第六章 非编码RNA鉴定

最新推荐文章于 2024-07-01 13:54:05 发布
最新推荐文章于 2024-07-01 13:54:05 发布
阅读量1.8k 收藏 6
点赞数 1
CC 4.0 BY-SA版权
分类专栏： RNA-seq miRNA-disease
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u010608296/article/details/112612029
本文概述了非编码RNA的分类，重点介绍基于RNA二级结构和机器学习（如SVM）的鉴定策略。通过选择合理的初始特征集合，如ORF覆盖率和同源性特征，以及特征选择的过程，展示了如何使用SVM进行编码/非编码RNA的区分。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

第六章 非编码RNA鉴定

 阅读量： 154

主要为RNA-seq相关知识，部分内容作笔记自查使用。如有错误或遗漏还请海涵，可评论或邮箱联系。
最后修改时间：2020-09-07 14:38:07 星期一

非编码RNA分类

非编码RNA，是指不需要翻译为蛋白，在RNA形式下即可行使其生物学功能的RNA分子。非编码RNA通常彼此协同作用，共同调控细胞生长、发育、凋亡等一系列重要的生理过程。

  • 负责维系细胞基础代谢(housekeeping genes)
    • rRNA
    • tRNA
    • ...
  • 调控其他基因的转录和翻译
    • miRNA
      成熟miRNA通过碱基互补配对，识别特定的目标RNA，下调其表达，从而达到对特定生物学过程进行调控的效果。miRNA在多种肿瘤的发生、发展中起核心调控作用，可以作为病程诊断与进展程度的marker
    • lncRNA(long non-coding RNA)
      长度达几十乃至上百bp，包含多个exon，有可变剪切和polyA尾巴

目前的研究重点是，对新找到的lncRNA的鉴定和功能分析

非编码RNA鉴定

  1. 基于RNA二级结构来鉴定新的非编码RNA
    优点：速度快。pre-miRNA会形成发卡结构，tRNA是三脚结构，均可以通过二级结构确定
    缺点：lncRNA的功能不依赖于特定二级结构，不适用

  2. 使用SVM等机器学习方法分类
    不依赖多序列比对等外部信息，只使用转录本序列本身的信息，对miRNA和lncRNA同样适用，速度较快。

使用SVM分类步骤

一、 确定初始特征集合(feature set)

选择一个合理而有效的初始特征集合，对后续的feature selection乃至identification的效果都非常重要。若初始集合中混入不相关的feature，会严重影响后续feature selection的效率。

实践中主要会依据已有的文献、数据，结合自己的生物学直觉进行。以Coding Potential Calculator为例。根据相关文献并结合生物学背景，选取60个RNA序列水平的特征，作为初始特征集。

二、 特征选择(feature selection)

序列特征有很多种类可供选择，如下图所示

我们需要对如此多的特征进行筛选，得到针对特定分类目的表现较好的特征子集。我们希望在确保准确性的前提下，这个子集尽可能小，以加快计算速度。

紧接步骤1。首先利用前向搜索算法，从中筛选出11个feature作为初步特征子集。此时集合元素较少，可以基于广度优先策略进行完全搜索，最终得到6个features

其中，蓝色的3个特征，是基于RNA序列中利用概率模型预测得到的ORF的

  • Coverage
    • 预测得到的ORF占整个RNA序列长度的比例
  • ORF Integrity
    • 预测的ORF是否是完整的
  • LOG-ODD score
    • 对预测可靠性的评估。分数越高，预测得到的ORF越可靠

黄色的3个特征是基于同源性信息的

基本的想法是，编码蛋白的mRNA，较不编码的non-coding RNA，会有更大的可能在蛋白数据库搜索中找到相似的蛋白。

即使non-coding RNA随机地匹配上若干蛋白片段，但因为其中没有真实的ORF，因此匹配会随机分散在多个区域，而不是一个特定的区域。

2.1 特征选择的方法

  • 完全搜索
    • 广度优先搜索
      对原始特征集合中所有可能的组合进行穷尽测试。但考虑到组合爆炸问题，实际应用中并不适用于很大的初始feature set。
  • 启发式搜索
    • 前向搜索(SFS)
      贪心思想。向空子集中依次尝试加入单个feature，留下表现最好的那个。接着再依次尝试加入剩余的单个feature，直到新加入的feature无法继续提升分类准确度为止。

      由于前向搜索中不能删除已经被选择的feature，可能会导致高度相关的feature同时被加入，造成冗余。
    • 后向搜索(SBS)
      贪心思想。向全集中依次尝试删除单个feature，留下表现最好的子集。接着再依次尝试删除剩余的单个feature，直到新删除的feature无法继续提升分类准确度为止。
    • 增L去R(LRS)
      每次训练时，增加L个特征，同时删除R个特征，L和R固定。该方法可以避免前/后向搜索中的信息重复
  • 随机搜索
    • 模拟退火算法
      引入随机因素以避免陷入局部最优
    • 序列浮动选择
      从增L去R算法改进而来，每次增加的L和删除的R不是一个定值，而是浮动的。

三、 训练SVM

将6个feature组成的训练集输入到SVM模型中进行训练，得到能做编码/非编码RNA二分类的机器学习模型

11、长非编码RNA的分析
rr23456的博客
06-13 42
本文详细介绍了长非编码RNA（lncRNA）的生物信息学分析方法，包括其定义、分类、鉴定、编码潜力分析以及功能预测等内容。文章还探讨了lncRNA在斑马鱼和鲤鱼等模式生物中的功能研究及在水产养殖中的应用前景，为读者提供了全面的技术指导和实际案例分析。
单细胞RNA速率（RNA velocity）
阅读文献，记录学习笔记
01-02 5454
是单个细胞状态的有力指标。单细胞 RNA 测序可以以高定量精度、灵敏度和通量揭示 RNA 丰度。然而，这种方法，这对分析胚胎发生或组织再生等时间分辨现象提出了挑战。在这里，我们表明，RNA 速度（RNA velocity）（）可以通过。RNA 速度是一种高维向量，可以预测单个细胞在数小时的时间尺度上的未来状态。我们验证了其在神经嵴谱系中的准确性，展示了其在多个已发表的数据集和技术平台上的使用，揭示了发育中的小鼠海马体的分支谱系树，并检查了人类胚胎大脑中的转录动力学。我们预计，特别是在人类中。
LncFinder | 非编码RNA的识别与分析神器！！！~
m0_72224305的博客
12-21 1042
1写在前面 非编码RNA(ncRNAs), 是指不编码蛋白质的RNA。😗 其中包括rRNA，tRNA，snRNA，snoRNA, lncRNA和miRNA等多种已知功能的RNA，还包括未知功能的RNA。🤓 长链非编码RNA（lncRNA）指的是长于200核苷酸的不编码蛋白质的转录物（随着对ncRNAs的不对认知，这个概念也在不断修改😂）。 在我们完成测序后，一个很重要的步骤就是识别序列，本期我们介绍一个基于Logarithm-Distance, Multi-Scale Structural Informa
基因调控分析之非编码RNA
aganlala的博客
04-15 8443
​​非编码RNA简介 非编码 RNA (ncRNA) 是由基因组转录而成的不编码蛋白质的 RNA 分子。非编码 RNA 除了在转录和转录后水平上发挥作用外，还在基因表达的表观遗传学调控中发挥重要作用。在真核生物基因组中，大约 90% 的基因是转录基因，在这些转录基因中只有 1-2% 编码蛋白质，其他大多数转录为非编码RNA。非编码 RNA 可分为两种主要类型：基础结构型ncRNA和调控型ncRNA。基础结构型 ncRNA 在翻译和剪接中起着类似于管家基因的作用，包括核糖体 RNA(rRNA)、转移 RNA(
一文读懂长非编码RNA（lncRNA）的分类、功能及测序鉴定方法
热门推荐
AIPuFu的博客
10-18 1万+
RNA的重要调控功能发现历程（Rinn et al. Annu Rev Biochem, 2013） 长非编码RNA，英文名为long noncoding RNAs，缩写为lncRNA，是指长度大于200 核苷酸的非编码RNA。LncRNA因具有非常重要的调控功能，且几乎参与到了各种生物学过程和通路，与各种疾病的发生发展紧密关联，从而成为过去几年和将来的研究热点和重点。对于人类基因组来说，产生...
和rna用什么鉴定_国自然基金中的研究热点——长链非编码RNA
weixin_42513522的博客
01-12 683
近10年，长非编码RNA（Long noncoding RNAs, lncRNA）的研究热度节节攀升。国自然项目中，lncRNA的中标项目数也不断增加，成为国自然数一数二的热点之一。如果你对2020年的国自然申请还没有方向，那么这个热点值得你考虑一下。图1. 以lncRNA为关键词，lncRNA历年中标项目数（来源: http://medsci.cn）lncRNA，是指长度大于200核苷酸的非编码...
DeepSEA-用深度学习预测非编码变异的效应
weixin_44203980的博客
08-06 1284
从原始序列中预测非编码变异的效应，基于深度学习模型，预测不同的染色质特征，以及预测单核苷酸改变后的染色质效应。可以利用该方法改进功能变异的优先级排序（包括eQTL和疾病相关变异）
第十二章 非编码RNA与复杂疾病
diobranto的博客
05-24 1527
文章目录i. 前言a. non-coding RNA（ncRNA）简介b. 非编码RNA发展ii. miRNA与靶基因a. 非编码RNA的概念和分类b. microRNA的概念c. microRNA的发现d. miRNA的生物合成e. miRNA一般特点\---miRNA家族/簇i. 物理位置特点ii. 序列特点iii. 表达特点iv. 保守性特点f. miRNA作用机制g. miRNA识别（基于测序数据）h. miRNA的功能i. miRNA与发育ii. miRNA与病毒iii. miRNA与神经系统功能
音视频-编解码-长链非编码RNA TUC338调控舌鳞癌活性及作用机制的实验研究.pdf
04-20
【音视频编解码与长链非编码RNA在医学研究中的应用】 长链非编码RNA（Long non-coding RNA, lncRNA）是近年来生物医学领域研究的热点，尤其是在音视频编解码这一科技背景中，它揭示了生物信息学的新维度。lncRNA...
RNA Secondary Structure Representation Network for RNA-proteins Binding Prediction
cc0319cc的博客
07-01 1001
RNASSRnet
MLCDForest:用深度森林对长链非编码RNA进行疾病预测的多标签分类模型
ShenggengLin的博客
10-07 5617
1. 摘要     由于长链非编码RNA (lncRNAs)与多种人类疾病相关，近年来倍受关注。利用lncRNAs数据建立基于人工智能的疾病预测模型，这将有助于疾病的诊断和治疗。本研究提出了一种名为MLCDForest(Multi-Label classification with deep Forest)的深度学习模型，用于解决对给定lncRNA进行疾病预测时的多标签分类问题，可以看作是深度森林模型在多标签分类中的一种实现。MLCDForest是一种顺序的多标签粒度扫描方法，该模型考虑了标签间的相关性，与
非编码RNA
weixin_30885111的博客
03-29 689
生命的基本过程是从DNA转录成mRNA，再翻译成蛋白质发挥功能。DNA就像一张绝密的密码图，不能随意被移动，只能被锁在细胞核里。要想知道这些密码，只能像复印一样，将密码图复印到mRNA上，由它们把这些密码带到细胞质中进一步加工成蛋白质，让蛋白质发挥生物学功能。由于这些蛋白质是由mRNA所编码的，因此我们称这些mRNA为编码RNA；相反，那些不编码蛋白质的RNA被称为非编码RNA。 长期以来，非编码...
前向后向线性预测
qq_40632973的博客
11-16 3440
《生物信息学：导论与方法》--非编码RNA的预测及分析--听课笔记（十三）
wxw060709的专栏
09-19 3460
第七章 非编码RNA的预测及分析 7.1 非编码RNA 以非编码RNA为例，演示如何在RNA-Seq等转录组测序技术产生的RNA数据基础上进一步探索生物学问题。 在转录组中既包括大家早已熟悉的编码蛋白的信使RNA（mRNA），也包括近来新发现的、不编码蛋白的miRNA、long non-coding RNA(lncRNA)等非编码RNA。 这些RNA转录本彼此协同作用，共同来调控细胞生长...
（五）R语言入门生物信息学——ORF和序列分析
EricFrenzy的博客
08-06 5597
注：本博客旨在分享个人学习心得，有不规范之处请多多包涵！ 目录概念介绍找ORF的代码实现结束语 概念介绍 在人体内，为了表达DNA上的基因，这个基因包含的DNA在被转录为pre-mRNA后经过进一步处理成为成熟的mRNA，mRNA紧接着会被核糖体用来合成蛋白质，从而控制生物体的反应。在mRNA上，每三个碱基组成一个密码子，对应一种氨基酸。下图为密码子与氨基酸的对照表： 要合成一个正常的蛋白质，mRNA序列上的两端需要分别有一个起始密码子（图上标为start）和一个终止密码子（图上标为stop）。但在DNA
TBtools 绘制Circos图小攻略
wangyiqi806643897的专栏
02-27 1万+
虽然我是一个计算机出身的生信人，快三十的我还是明显感觉Coding能力大不如从前，逻辑思考力弱爆，但是实验还是要做，论文还是要写，好吧，可以借助一些现成软件，人家一个团队现成东西肯定比我做的好太多了。OK，原谅我的排版，感谢Latex拯救我这个审美不足的小白。 言归正传，先说TBtools，TBtools功能真心强大，可以说是为不想写代码的生物分析需求而生，具体强大的方法我也没有试验，因为目前主...
Python正则表达式前向/后向搜索的肯定/否定模式的区别和示例
小龙在线
11-11 1万+
零宽断言区别 语法 含义 示例 前向搜索肯定模式零宽度正预测先行断言 匹配exp前面的位置 (?=exp) 用\b\w+(?=ing\b)查找I'm singing while you're dancing.匹配到sing danc 前向搜索否定模式零宽度负预测先行断言 匹配后面跟的不是exp的位置 (?!exp) \d{3}(?!\d)匹配三位数字
HMM之前向算法
小黑的专栏
09-20 1056
隐马尔科夫的前向算法和示例代码
特征选择-机器学习
worldvagrant的博客
01-03 1129
特征选择基本概念特征选择如何进行特征选择子集搜索前向搜索后向搜索双向搜索子集评价基于评价准则划分特征选择方法过滤式选择包裹式选择嵌入式选择 基本概念 特征选择和提取的目的： 经过选择或变换，组成识别特征，尽可能保留分类信息，在保证一定分类精度的前提下，减少特征维数，使分类器的工作既快又准。 基本任务：如何从许多特征中找出那些最有效的特征。 特征的类别：物理的、结构的、数学的三类。 物理和结构特征：容易被人类感知器官发现，但是在使用计算机去构造识别系统时应用这些特征比较复杂。 数学特征：计算机在抽取数学特征方
RNA-seq是什么
最新发布
07-10
<think>我们被要求解释RNA测序技术（RNA-seq）的定义和基本概念。需要调用网络搜索工具进行检索，然后整合信息生成回答。回答要详细、清晰，具有实用性和可操作性。 按照要求，回答中不能使用第一人称，不能使用步骤词汇（如首先、然后），需要将答案组织为多个方法或步骤（但这里更可能是多个要点），每个要点间换行。 同时，注意格式要求：数学公式和代码的格式规范，以及最后必须添加相关问题部分。 根据问题，我们需要介绍RNA-seq是什么，包括其定义、原理、流程、应用等基本概念。 通过搜索，我们可以得到RNA-seq的基本信息： 定义：RNA测序（RNA-seq）是一种利用高通量测序技术来检测细胞中RNA的存在和数量的技术。它可以提供关于基因表达、转录本结构、可变剪接、基因融合等信息。 基本流程： 1. RNA提取：从生物样本中提取总RNA。 2. RNA片段化：将RNA打断成小片段（或者对于某些方法，先反转录成cDNA再片段化）。 3. 反转录：将RNA片段反转录成双链cDNA。 4. 文库构建：在cDNA片段两端加上测序接头，并进行PCR扩增。 5. 高通量测序：在测序仪上进行测序，得到大量的短序列读长（reads）。 6. 数据分析：将reads比对到参考基因组或转录组，进行定量和差异表达分析等。 应用： - 基因表达定量：测量不同基因的表达水平。 - 差异基因表达分析：比较不同条件下基因表达的差异。 - 转录本发现：鉴定新的转录本。 - 可变剪接分析：研究同一基因的不同剪接异构体。 - 基因融合检测：在癌症研究中，检测染色体易位导致的融合基因。 - 非编码RNA分析：研究长链非编码RNA（lncRNA）、微小RNA（miRNA）等。 技术特点： - 高通量：一次实验可以检测整个转录组。 - 高灵敏度：能够检测低丰度的转录本。 - 无需预先设计探针：与芯片技术相比，不需要预先知道基因组序列信息。 由于要求组织为多个方法或步骤，我们可以将回答分为几个部分：定义、基本原理、工作流程、应用领域、技术优势等。但注意避免步骤词汇，所以我们可以用换行分隔不同的主题。 另外，注意在回答中如果有公式或代码，按照要求格式化。不过在这个问题中，可能不太需要公式，但如果有表达量计算的公式，可以提及。例如，基因表达量通常用FPKM（Fragments Per Kilobase of transcript per Million mapped reads）或TPM（Transcripts Per Million）来标准化。它们的公式如下： FPKM = (片段计数 * 10^9) / (基因长度 * 总片段数) TPM = (片段计数 / 基因长度) * (1 / 总归一化因子) * 10^6 但如果没有特别需要，也可以不写公式。考虑到用户问题只是基本概念，我们可以选择不深入公式，但如果提到标准化方法，可以简单用行内公式。 最后，在回答之后，必须添加相关问题部分，标题为“§§相关问题§§:”，然后列出三个相关问题。 现在，我们整合信息，生成回答。</think>### RNA测序技术（RNA-seq）定义与基本概念 RNA测序（RNA-seq）是一种利用高通量测序技术全面分析细胞中**转录组**（所有RNA分子）的方法。通过捕获RNA的种类、数量和序列信息，揭示基因表达动态和调控机制。 #### **核心原理** - **RNA提取与文库构建**： 从生物样本（如细胞、组织）中提取总RNA，富集mRNA（通常用poly-A尾捕获法或rRNA去除法）。随后将RNA片段化，反转录为双链cDNA，添加测序接头，构建测序文库。 - **高通量测序**： 文库在二代测序平台（如Illumina）上测序，产生数百万至数十亿条短序列读长（reads）。 - **生物信息学分析**： 读长通过比对（如STAR、HISAT2）映射到参考基因组或转录组，实现： - **基因定量**：计算基因/转录本表达量（常用FPKM、TPM标准化）。 $$ \text{TPM} = \frac{ \text{Reads mapped to gene} / \text{Transcript length (kb)} }{ \sum (\text{Reads per kb}) } \times 10^6 $$ - **差异表达分析**：识别不同条件（如疾病vs健康）下的差异基因（工具如DESeq2、edgeR）。 - **结构变异检测**：发现可变剪接、融合基因、新转录本等。 #### **关键应用领域** - **基因表达谱分析**：定量不同细胞类型或处理条件下的基因活性。 - **疾病机制研究**：识别癌症、遗传病等中的异常表达基因。 - **功能基因组学**：注释非编码RNA（如lncRNA、miRNA），研究调控网络。 - **单细胞RNA-seq**：解析细胞异质性（如肿瘤微环境）。 #### **技术优势** - **高灵敏度**：可检测低丰度转录本。 - **无需预设探针**：相比芯片技术，能发现新型RNA。 - **宽动态范围**：定量精度跨越多个数量级。 #### **典型流程示例（代码片段）** ```bash # 质量控制（FastQC） fastqc sample.fastq # 序列比对（STAR） STAR --genomeDir /ref_index --readFilesIn sample.fastq # 表达定量（featureCounts） featureCounts -a annotation.gtf -o counts.txt aligned.sam ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

wangchuang2017

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值