||
写在前面
在前面的文章《ceRNA群体竞争怎样才能“入会”?》中,基于多种数据源,ceRNA群体竞争的“入会”条件主要有以下3条:
i) 竞争群体RNA之间要充分共享miRNAs(也就是竞争群体之间要有许多共同目标)。ii) 竞争群体RNA之间要正相关(也就是竞争群体之间关系密切)。iii) 共享miRNAs前提条件下,竞争群体RNA之间的正相关关系波动很大(也就是共同目标能够很大程度上影响竞争群体之间的密切关系)。
那么,如何检测ceRNA群体竞争是否满足上述3个条件呢?不妨试一试R工具包miRSM(图1)。miRSM可以同时检测上述3个条件是否满足预设要求。刚开始,本来想将miRSM的基本功能整合到R工具包miRspongeR里面(ceRNA工具包之miRspongeR),但是这样会失去从多种数据源中识别ceRNA模块的特点。毕竟,miRspongeR识别ceRNA模块仅仅停留在ceRNA网络层次。
图1 R/Bioconductor工具包miRSM
动机
已有方法识别ceRNA模块主要基于ceRNA网络,从多种数据源中识别ceRNA模块处于空白。为了将LMSM方法(只能识别长链非编码RNA关联的ceRNA模块,如图2)普遍化,miRSM工具包应运而生(图3)。
图2 LMSM方法论文
图3 R/Bioconductor工具包miRSM论文
架构
如图4,miRSM架构主要分为三个部分:基因共表达模块识别(Inferring RNA1-RNA2 co-expression modules)、ceRNA模块识别(Inferring miRNA sponge modules)和模块化分析(Modular analysis of miRNA sponge modules)。
图4 R/Bioconductor工具包miRSM架构
在基因共表达模块识别部分,miRSM提供了50种方法,分为单向聚类、双向聚类和网络聚类方法三种(图5)。ceRNA模块识别部分,进一步拓展了LMSM方法。模块化分析部分,提供了7种类型的下游分析。至于miRSM工具包的详细用法,可以参考https://bioconductor.org/packages/release/bioc/vignettes/miRSM/inst/doc/miRSM.html自行琢磨。
图5 R/Bioconductor工具包miRSM中50中基因共表达模块识别方法
参考文献:
[1] Zhang, J., Xu, T., Liu, L., Zhang, W., Zhao, C., Li, S., Li, J., Rao, N., & Le, T. D. (2020). LMSM: A modular approach for identifying lncRNA related miRNA sponge modules in breast cancer. PLoS computational biology, 16(4), e1007851. https://doi.org/10.1371/journal.pcbi.1007851
[2] Zhang, J., Liu, L., Xu, T., Zhang, W., Zhao, C., Li, S., Li, J., Rao, N., & Le, T. D. (2021). miRSM: an R package to infer and analyse miRNA sponge modules in heterogeneous data. RNA biology, 1–13. https://doi.org/10.1080/15476286.2021.1905341
更多背景知识如下:
3. 什么?ceRNA竞争除了“单挑”模式,还可能有“组队”模式?
4. ceRNA,是与非!
10. ceRNA工具包之SPONGE
为了便于交流,我们为ceRNA研究在Frontiers in Molecular Biosciences杂志( 2020_IF = 5.246)整了个专刊,主题为“Computational Identification of ceRNA Regulation”。投稿链接:https://www.frontiersin.org/research-topics/24340/。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-11-9 09:20
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社