SEQ 5. 转录本蛋白编码能力预测(CPC2)

简       介

随着新一代测序技术的进步，在大量生物体中发现了许多新的转录本。为了快速、准确地评估RNA转录物的编码能力，将编码势计算器CPC1升级为CPC2。CPC2的运行速度比CPC1快 ~ 1000倍，与CPC1相比具有更高的准确性，特别是对于长的非编码转录本。此外，CPC2的模型是种中性的，这使得它可以用于不断生长的非模式生物转录组。可以在线分析，也可以下载独立包进行本地安装分析。

CPC2 在线分析工作流程：

在人类、小鼠、斑马鱼、苍蝇、蠕虫和模式植物拟南芥中进行独立测试。

文件准备

这个输入文件只有一个文件可以是核酸序列文件，例如：

>HOTAIR
AGGCGAGAGCCGCGGCTGACAGGGTCTGGGACAGAAGGAAAGCCCTCCAGCCTCCAGGCCCTGCCTTCTGCCTGCACATTCTGCCCTGATTTCCGGAACCTGGAAGCCTAGGCAGGCAGTGGGGAACTCTGACTCGCCTGTGCTCTGGAGCTTGATCCGAAAGCTTCCACAGTGAGGACTGCTCCGTGGGGGTAAGAGAGCACCAGGCACTGAGGCCTGGGAGTTCCACAGACCAACACCCCTGCTCCTGGCGGCTCCCACCCGGGACTTAGACCCTCAGGTCCCTAATATCCCGGAGGTGCTCTCAATCAGAAAGGTCCTGCTCCGCTTCGCAGTGGAATGGAACGGATTTAGAAGCCTGCAGTAGGGGAGTGGGGAGTGGAGAGAGGGAGCCCAGAGTTACAGACGGCGGCGAGAGGAAGGAGGGGCGTCTTTATTTTTTTAAGGCCCCAAAGAGTCTGATGTTTACAAGACCAGAAATGCCACGGCCGCGTCCTGGCAGAGAAAAGGCTGAAATGGAGGACCGGCGCCTTCCTTATAAGCTCGTTGGGGCCTAAGCCAGTACCGACCTGGTAGAAAAAGCAACCACGAAGCTAGAGAGAGAGCCAGAGGAGGGAAGAGAGCGCCAGACGAAGGTGAAAGCGAACCACGCAGAGAAATGCAGGCAAGGGAGCAAGGCGGCAGTTCCCGGAACAAACGTGGCAGAGGGCAAGACGGGCACTCACAGACAGAGGTTTATGTATTTTTATTTTTTAAAATCTGATTTGGTGTTCCATGAGGAAAAGGGAAAATCTAGGGAACGGGAGTACAGAGAGAATAATCCGGGTCCTAGCTCGCCACATGAACGCCCAGAGAACGCTGGAAAAACCTGAGCGGGTGCCGGGGCAGCACCCGGCTCGGGTCAGCCACTGCCCCACA

在线分析

在线网址CPC2，在线使用还是非常简单，序列少可以优先选择在线操作。

HOTAIR测试结果：

1. 带有编码概率的汇总表输出：

2. 功能分布的图形：

3. 更多针对已知数据库查询的分析，在替代方法中重新分析和注释函数：

本地分析

软件包安装

首先下载软件包，这个CPC2软件包基于python的2和3两个版本，建议大家下载3版本的，毕竟2版本的慢慢退出舞台了，如果出来bug，也没人维护了，接下来就是解压后，可以看到里面的READ.md，安装说明几条命令安装即可。

gzip -dc CPC2-beta.tar.gz | tar xf -
cd CPC2-beta
export CPC_HOME="$PWD"
cd libs/libsvm
gzip -dc libsvm-3.18.tar.gz | tar xf -
cd libsvm-3.18
make clean && make

实际操作

1. 参数说明

参数仅有四个很简单，输入文件输出文件以及两个可调参数 -r 反义链，--ORF 是否输出最长ORF的起始位置，根据实际情况自己决定，一般默认参数即可。

Usage: CPC2.py [options] -i input.fasta -o output_file

Contact: Kang Yujian <kangyj@mail.cbi.pku.edu.cn>

Options:
  --version   show program's version number and exit
  -h, --help  show this help message and exit

  Common Options:
    -i FILE   input sequence in fasta format [Required]
    -o FILE   output file [Default: cpc2output.txt]
    -r        also check the reverse strand [Default: FALSE]
    --ORF     output the start position of longest ORF [Default: FALSE]

2. 实际操作命令如下：

python3 ./bin/CPC2.py -i ./data/example.fa -o ./data/example_output.txt
python3 ./bin/CPC2.py -i ./data/example.fa -o ./data/example_output_str.txt --ORF

结果解读

不设置 --ORF 的结果：

1 #ID     transcript_length       peptide_length  Fickett_score   pI      ORF_integrity   coding_probability      label
2 AF282387        528     176     0.47841 4.671051216125488       1       0.997542        coding
3 Tsix_mus        4300    70      0.28464 11.051186561584473      1       0.0447345       noncoding

设置 --ORF 的结果多了一列 ORF_Start :

1 #ID     transcript_length       peptide_length  Fickett_score   pI      ORF_integrity   ORF_Start       coding_probability      label
2 AF282387        528     176     0.47841 4.671051216125488       1       1       0.997542        coding
3 Tsix_mus        4300    70      0.28464 11.051186561584473      1       105     0.0447345       noncoding

Reference

1. Kang Y. J., Yang D. C., Kong L., Hou M., Meng Y. Q., Wei L., Gao G. 2017. CPC2: a fast and accurate coding potential calculator based on sequence intrinsic features. Nucleic Acids Research 45(Web Server issue): W12–W16.

2. Kong L., Zhang Y., Ye Z. Q., Liu X. Q., Zhao S. Q., Wei L., Gao G. 2007. CPC: assess the protein-coding potential of transcripts using sequence features and support vector machine. Nucleic Acids Research 35(Web Server issue): W345-349.

桓峰基因，铸造成功的您！

未来桓峰基因公众号将不间断的推出单细胞系列生信分析教程，

敬请期待！！

桓峰基因官网正式上线，请大家多多关注，还有很多不足之处，大家多多指正！http://www.kyohogene.com/

桓峰基因和投必得合作，文章润色优惠85折，需要文章润色的老师可以直接到网站输入领取桓峰基因专属优惠券码：KYOHOGENE，然后上传，付款时选择桓峰基因优惠券即可享受85折优惠哦！https://www.topeditsci.com/