技術(shù)服務(wù)描述

??miRNA是一類(lèi)在生物體內起到重要調控作用的的小片段非編碼RNA。一般認為miRNA通過(guò)和mRNA的結合，可以抑制mRNA的表達，從而影響到Gene的表達。

??目前miRNA的靶基因預測軟件主要是依據miRNA與其靶位點(diǎn)的互補性、miRNA與其靶位點(diǎn)的調控關(guān)系、miRNA靶位點(diǎn)的保守性、miRNA-mRNA雙鏈之間的熱穩定性及附近序列的二級結構等原則設計的。 目前miRNA預測主要基于算法預測，目前也有一部分以實(shí)驗結果為收集對象的數據庫。使用算法預測的數據庫，有如 TargetScan、miRDB、RNAhybrid、DIANA-microT-CDS 等。以實(shí)驗實(shí)驗驗證的收集的靶標相互作用數據庫，有如 miRTarBase、Tarbase v8 等。 考慮到研究時(shí)效性，我們選擇基于miRbase22為基礎研究的數據庫，在此基礎上篩選出近5年內較新的數據庫。

??其中， miRDB數據庫 是根據 “miRNA通過(guò)下調其靶基因的表達” miRNA主要功能特征，采用機器學(xué)習來(lái)進(jìn)行模型預測得到的靶標數據庫。它通過(guò)采用大量RNA數據集，使用 “過(guò)表達的miRNA“ 及 “下調的轉錄本” 進(jìn)一步量化miRNA靶向下調的特征，采用SVM算法開(kāi)發(fā)了預測模型 MirTarget。 該算法結合實(shí)驗數據同時(shí)比較 TargetScan，DIANA-MicroT，miRanda 和 PITA 另外四種預測算法，獲得了最優(yōu)表現。 該模型對于每個(gè)候選靶標基因，它都會(huì )生成由SVM計算出的概率分數，該分數反映了預測結果的統計置信度，分數越高，置信度越高。所有預測目標的目標預測分數在50到100之間，一般而言，預測得分 > 80 的預測目標具有較高的可信度。如果分數低于60，則需要謹慎選擇，一般需要提供其他證據支持。

?? TargetScan數據庫 則基于序列互補原則，找到比對到靶 3'UTR 的保守性 8 mer、7 mer 或 6 mer 位點(diǎn)（seed match 序列），進(jìn)一步根據熱力學(xué)穩定性篩選得到 miRNA 的靶基因。 隨后，對于不具備保守性的 seed match 區域計算相應的 context score。 將保守和不保守區域的 context score 進(jìn)行排序即得到 context score percentile。 一般考慮 context score percentile > 90 為預測的可能具有功能的 miRNA 的靶基因。

??綜上，miRDB數據庫主要通過(guò)miRNA-mRNA調控關(guān)系來(lái)進(jìn)行量化計算，而TargetScan通過(guò)序列互補原則篩選后再進(jìn)行熱穩定性量化計算，前者相較于后者更有說(shuō)服力，而后者得到的數據較為全面。我們綜合兩者，通過(guò)標準 miRDB Score >= 80 & TargetScan context score percentile >= 90 的靶基因作為預測結果。通過(guò)預測給出的miRNA-靶基因對，用于后續進(jìn)一步網(wǎng)絡(luò )圖或富集分析。

Venn 圖 示例：

圖 2.7.1. TargetScan vs miRDB 的靶基因交集veen圖