-
如何寻找
miRNA
靶基因？
microRNA
（
miRNA
）是一类能够调节基因表达的短单链內源非编
码
RNA
（约
22nt
）
，通过与互补的
mRNA
选择性地结合抑制蛋白的产
生，广泛存在于动物、植物、病毒等多种有机体中。
miRNA
通常位于基因间或者内含
子区域，在细胞核内有
RNA
聚
合酶Ⅱ
转录产生具有帽子结构多聚腺苷酸尾巴的
pri-miRNA
。
在核酸
酶
Drosha
及其辅助因子<
/p>
Pasha
的作用下，
pri-miRN
A
被处理成
70
个
核苷酸组成具有茎环结构的
pre-
miRNA
，然后由
Exportin
5
等转运至
细胞质。
Dicer
将
pre-miRNA
切割成约
22nt
的双链
miRNA
，
双链
miRNA
讲解形成单链的成
熟
miRNA
。
成熟
< br>miRNA
还需要与
Argonaute
蛋白等
组装形成
RNA
诱导沉
默复合体
（
RISC
）
，
RISC
作用于特异
mRN
A
的
3
’
UT
R
，
从而抑制翻译过程或者直接讲解
m
RNA
。整个过程如图所示。
尽管对
m
iRNA
功能的认识还不是非常清楚，但
miRNA
在许多生
物过程中起关键作用，包括发育、细胞分化、增殖、凋亡、肿瘤转
移
等。准确快速地预测
miRNA
靶基
因对于研究
miRNA
功能以及分析
m
iRNA
参与的生物学过程具有十分重要的意义。目前寻找
mi
RNA
靶
基因的方法主要有生物信息学以及生物实验方法。
1
、生物信息学方法
生物信息学方法主要是利用某种算法对靶基因样本进行评分及
筛选。
生物信息学的方法只是通过算法为研究人员提供可能性最大的
参考信息，还
需要通过实验进行验证。
使用计算机预测植物
miRNA
靶基因比较简单，因为在植物中
miRNA
与靶基因几乎还是以完全互补配对的方式结合，
预测不需要复<
/p>
杂的算法。而预测动物
miRNA
靶基因
则存在一定的困难，主要是目
前已知的
miRNA
靶基因及其确切靶点不多，在算法编写时没有足够
的已知样本可供参考。
但是，
miRNA
与靶基因间的相互作用仍
然具有
一定的规律性。目前常规的算法主要遵循以下几个常用原则：
（
a
）
miRNA
与靶基因的互补性；
（
b
）<
/p>
miRNA
靶位点在不同物种之间的保守
性；
（
c
）
m
iRNA-mRNA
双链之间的热稳定性；
（
< br>d
）
miRNA
靶位点不会
有复杂的二级结构；
（
e
< br>）
miRNA
5
’
端于靶基因的结合能力强于
3
’
< br>端。
除了这些基本原则以外，
不同的预测方法还会根据各
自总结的规律对
算法进行限制和优化。
（
1
）
miRanda
miRanda
是最早利用生物信息学对
m
iRNA
靶基因进行预测的软
件，由
Enright
等人
[1]
于
2003
年开发设计
。其对
3
’
UTR
的筛选依据主
要是从序列匹配、
miRNA
与
mRNA
双链的热稳定性以及靶位点的保守
性三个方面进行分析。综合这
3
条原则，
miRanda
选取每条
miRNA
相对的
3
’
UTR
中排名前十位的基因，作为
miRNA
的候
选靶基因，对
于多个
miRNA
对应于
同一靶位点的情况，
miRanda
使用贪心算法
（
Greedy Algorithm
）选取其中得
分最高且自由能最低的那一对。
[2]
（
2
）
TargetScan
和
TargetScanS
TargetS
can
是
Lewis
等人
[3]
在
2003
年开发的
一款用于预测哺乳动
物
miRNA
靶基
因的软件，该软件将
RNA
间相互作用的热力学模型与
序列比对分析相结合，预测不同物种间保守的
miRNA
结合位点。
TargetScan
还引入了信号噪声比
来评估预测结果的准确度，所谓信号
噪声比即用已知（信号组）和随机生成的
miRNA
（噪声组）分别对
mRNA
的
3
’
UTR
进行预测，所得靶基因数目的比值。随着物种数目的
增多，预测得到的靶基
因减少，但准确性得到了相应的提高。
后来，
Lewis
等人
[4]
又对<
/p>
TargetScan
进行了优化，
即<
/p>
TargetScanS
。
Target
ScanS
在人、小鼠、大鼠的基础上增加了狗（
Canis
familiaris
）
和鸡（
Gallus
gallus
）的基因组数据，同时在算法上做了改动。
（
3
）
RNAhy
brid
RNAhybrid
是
Re
hmsmeier
等人
[5]
在
2004
年开发的一种基于分析
miRNA<
/p>
和靶基因间形成双链的二级结构，从而预测
miRNA
靶基因的
软件。
RNAhybrid
在实质上是一种经典
RNA
二级结构预测软件的扩展
，
能够快速、
准确地计算一条短链
RN
A
和一条长链
RNA
杂交
（如
miRNA
和
mRNA 3
’
UTR
）时的自由能，并基于此来预测果蝇中
miRNA<
/p>
的靶基
因。
RNAhybrid
的算法禁止分子内、
miRNA
分子间及靶基
因间形成二
聚体，根据
miRNA
和靶
基因之间结合自由能探测最佳的靶位点。
（
< br>4
）
DIANA-microT
DIANA-microT
是
Kiri
akidou
[6]
等人于
2004<
/p>
年开发的一款结合了
生物信息学和实验学方法的靶基因预测软件。
DIANA-microT
主要考虑
单
一结合位点的
miRNA
靶基因。
此外
在寻找结合位点时，
除了必需的
5
’<
/p>
端种子区外，典型的中央突起以及
miRNA
在
3
’
端与
mRNA
的结合也得到
了考虑。在算法方面，
DIANA-microT
主要基于以下两点原则对
m
iRNA
靶基因进行判断：
首先，
通过
动态规划算法计算经典的
Watson-Crick
碱基对及<
/p>
G
：
U
错配的自
由能，
进而衡量
miRNA
与靶基因间
的结合能力；
其次，
miRNA
相关蛋
白影响
miRNA
与靶基因结合时形成的中央突起的大
小与位置，进而影响
miRNA
与靶基因的结合
。
（
5
）<
/p>
PicTar
Krek
等人
[7]
在
2005
年采用
一种更先进的算法来预测脊椎动物、线
虫和果蝇中
miRNA<
/p>
的靶基因，并通过实验方法进行了验证，这种算法
就是
PicTar
，即组合靶位点的概率识别
(pro
babilistic
identification of
combinations of target sites)
。
PicTar
的算
法包括两个方面
:
识别单个
miRNA
的靶位点；
为组合的靶位点评分。
通
过生物信息学和实
验方法的分析，
PicTar
算法估计会有
30%
左右的假
阳性率。
（
6
）
RNA22
RNA22
是由
Miranda
等人
[8]
于
2006
年开发的一种识别
miRNA
靶位点
以及相应
miRNA-mRNA
异源双链的软件。
RNA22
与其他
miRNA
靶基因预测
软件不同。首先，
RNA22
的预测不依赖于物种间的保守
性，而是认为
即使近亲物种不存在
miRNA
< br>结合位点，
仍有可能是
miRNA
的靶基因；
其
次，
RNA22
与其他软件的预测方向不同，
RNA22
不是
从
miRNA
入手寻找
它的靶基因，而
是首先从感兴趣的序列入手，寻找假定的
miRNA
结合
位点，再进一步确定其被哪条
miRNA
调控
。
动物中
miRNA
靶基因预测方法
预测方法
miRanda
TargetScan/Tar
getScanS
RNAhybrid
DIANA-microT
PicTar
RNA22
网址
/
/
-
/rnahybrid/
/
/
.c
om/
检索范围
人，果蝇，
斑马鱼
人，小鼠，
大鼠，狗
哺乳动物
人，小鼠，
大鼠，
果蝇
脊椎动物
哺乳动物
算法特点
序列匹配
,
双链结合自由能
,
物种
间保守性
提出
“miRNA
种子区
”
的概念
快速准确计算
miRNA-
mRNA
二聚体
自由能
考虑
miRNA
调控单个靶位点的情况
区分
“
完全匹配种子区<
/p>
”
与
“
不完全匹
配种子区
”
不考虑保守性
,
由
< br>mRNA
入手预测
相关
miRN
A
上述不同算法各有其特点，主要还是依据
miRNA
与其靶位点的互
补性、
miRNA
靶位点的保守性、
miRNA-mRNA
双链之间
的热稳定性及附
近序列的二级结构等原则设计的。其中，
miR
anda
是将
miRNA-mRNA
之
间的序列匹配，
保守性及热稳定性作为计算参数，
有比较好的检出率，
但是假阳性率也较高；
Targ
etScan
提出了“种子区”的概念，增加了
预测的精确度；
RNAhybrid
的研究重点在
RN
A
二级结构预测方面，
能够
更快速准确
地计算
miRNA-
mRNA
双链的自由能，降低了假阳性率；
DIANA-mic
roT
则主要考虑
miRNA
调控单个
靶基因的情况，同时考虑中
-
-
-
-
-
-
-
-
-
上一篇：顾客接待的三个阶段
下一篇：启动子生物信息学分析软件