zhangjunpeng的个人博客分享 http://blog.sciencenet.cn/u/zhangjunpeng

博文

piRNA关联数据库和计算模型

已有 1603 次阅读 2022-6-14 15:35 |个人分类:科普|系统分类:科普集锦

piRNA关联数据库和计算模型

 

PIWI相互作用的RNA称为piRNA,其长度为21–35核苷酸,也是最多的一种非编码RNA类型。在长度范围,piRNA有一部分与miRNA18-25核苷酸长度)是重叠的。与微小RNAmicroRNA,简称miRNA)不一样,虽然piRNA也属于小非编码RNA,但其相关研究还比较少并且其表达丰度偏低。已有研究证实,piRNA在许多动植物生物过程中也扮演了重要角色,具有“小RNA大功能”(“small RNAs with big functions”)的称号。

 

目前,piRNA最为广知的功能是调控和保护转座子基因组,尤其是生殖细胞内的转座子基因组。近来研究表明,piRNA可能在体细胞中也有生物功能。与其他非编码RNA相比,piRNA不具有保守性并且其产生具有特异性。特别地,长的单链piRNA前体是从piRNA群的基因位点转录而来,进而从细胞核转运至细胞质。转运之后,piRNA前体被分裂后进入一个piRNA生物通路即“乒乓”循环(’ping-pong’ cycle)。在该循环中,发起的piRNA’U’偏好开始,响应piRNA的第10个碱基呈现’A’偏好,新生成的响应piRNA能够激活下一轮的“乒乓”循环。这种扩增机理就是piRNA生成的基本特征,并且很好的解释了为什么生殖细胞能从基因组不同位点中产生大量不同类型的小RNAs。具体而言,piRNA在细胞内的生物合成和功能如图1所示。

 

image.png  

1 piRNA在细胞内的生物合成和功能

 

那么,已有的piRNA生物功能(尤其是人类疾病)的研究进展如何?本次说一下piRNA关联数据库和计算模型情况。与miRNA相比,piRNA关联的数据库和计算模型就非常有限。通过收集,目前大概有39piRNA特异和非特异的数据库和生物信息学资源。另外,有33种计算模型方法,涵盖piRNA预测、转座子和mRNA关联的piRNA预测、piRNA群预测、piRNA特征检测、piRNA靶标预测、piRNA-疾病关系预测。相关的数据库和计算模型详细可以参考文献[2]

 

虽然piRNA研究正在往前推进,未来主要存在以下挑战。首先,piRNA在不同数据库命名不一致的问题,未来需要像miRNA一样,构建名称一致性的piRNA注释数据库是关键。其次,实验验证piRNA在疾病过程中扮演的角色是关键。再次,piRNA在转化医学领域的研究是挑战也是机遇。最后,亟待开发piRNA相关的实用工具,进而协同研究人类疾病和生物学的重要问题。

 

后话

目前,对piRNA大规模测序还处于最初级阶段,因此相关的数据还不多。与其他非编码RNA最为不同的是,piRNA在生殖细胞内的生物功能。因此,研究其与生殖发育功能是最为普遍的思路。当然,piRNA与疾病之间的关系研究也是很有意思的一个方向。

 

参考文献

[1] Ozata DM, Gainetdinov I, Zoch A, O'Carroll D, Zamore PD. PIWI-interacting RNAs: small RNAs with big functions. Nat Rev Genet. 2019;20(2):89-108. doi:10.1038/s41576-018-0073-3>

[2] Zhang T, Chen L, Li R, Liu N, Huang X, Wong G. PIWI-interacting RNAs in human diseases: databases and computational models. Brief Bioinform. 2022;bbac217. doi:10.1093/bib/bbac217.

 

以往推荐如下:

1. 因果推理综述推荐一篇

2. 生物学家的机器学习指南

3. 基础模型的机遇与风险

4. 一份单细胞数据分析教程

5. R/Shiny交互式生物Web应用程序

6. VOSviewer:文献图谱可视化

7. 卡片式笔记工具:Roam Research

8. 国外知乎:Quora

9. 生信问答平台:Biostars

10. IT问答平台:Stack Overflow

11. 预印本知多少?

12. 借助Bioconductor策划单细胞分析

13. 要选哪个蛋白质互作数据库作为先验信息?

14. mRNA表达无法取代蛋白质表达

15. scIB:单细胞数据融合基准框架

16. 临床医疗维修店铺

17. NAguideR:填充蛋白质组学数据缺失值

18. 怎样做好一项研究?

19. 怎样做开题报告?

20. 深度学习助力单细胞数据分析

21. Any RNA

22. 走进数据科学

23. 直抵自闭症核心

24. 癌症内RNA

25. 一对搭档:计算与生物

26. TF靶标

27. 生物组织内细胞通讯

28. 记一次主题编辑经历

29. 6个,10个,14......

30. 你健康吗?

31. 你衰老了吗?

32. scIMC:填充单细胞转录组数据缺失值

33. 差异表达分析:经典方法未必逊色于流行方法

34. 多组学的基本要素

35. 怎样开展网络数据分析?

36. miRNA组学

37. 走进数据挖掘

38. 让机器真正学习

39. 机器学习中的“优秀学生”“和“三好学生”

 

image.png

image.png 




https://blog.sciencenet.cn/blog-571917-1342965.html

上一篇:机器学习中的“优秀学生”“和“三好学生”
下一篇:细胞通讯推理框架
收藏 IP: 39.129.48.*| 热度|

1 李宏翰

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-8-10 00:37

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部