系统生物学 第三讲 转录组学整理编辑版.ppt

TargetScan (ⅱ) TargetScan 和TargetScanS. TargetScan 是Lewis 等人在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. 与miRanda 不同, 在TargetScan 的算法中, 要求miRNA5′端第2~8 位碱基与mRNA 的3′UTR 完全互补, 这7 个核苷酸被称作“miRNA 种子区/关键区”（seed region）. 种子区向两侧延伸直到出现碱基错配为止, 这期间允许G︰U配对, 同时利用RNAFold 计算结合位点的自由能. TargetScan 中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. 当仅针对人(Homo sapiens)和小鼠(Mus musculus)的3′UTR 对miRNA 靶位点进行预测时, 信号噪声比为2︰1 针对人、小鼠、大鼠(Rattus norvegicus)的3′UTR 进行预测时信号噪声比为3.2︰1 研究范围扩大到人、小鼠、大鼠和河豚(Takifugu rubripes)时, 信号噪声比为4.6︰1. 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. TargetScanS 后来, Lewis 等人又对TargetScan 进行了优化,即TargetScanS. TargetScanS 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, 将种子区由先前的7 个核苷酸调整为5′端第2~7 位碱基共6 个核苷酸,要求在种子区完全互补的情况下, miRNA 第8 位碱基与靶基因互补或者miRNA第1 位碱基是腺嘌呤. 2007年, Andrew 等人又将TargetScanS 的算法中加入了新的条件 1）即有效的miRNA 结合位点多分布于3′UTR 中AU 富集的区域 2）功能上具有协同作用的miRNA 靶位点相近 3）miRNA 的第12~17 个核苷酸与3′UTR 互补促进两者的结合 4）有效的miRNA 结合位点优先分布于3′UTR 的两侧, 但距离终止密码子至少15 个核苷酸. 动物中靶基因预测方法 miRNA命名 (1)miRNA简写成miR-No.,它的基因简写成mir-No. 如miR-21； (2)高度同源的miRNA在No.其后加英文字母(小写,一般从a开始) 如miR-199a 和miR-199b； (3)由不同染色体上的DNA序列转录加工而成的具有相同成熟体序列的miRNA，则在后面加上阿拉伯数字以区分, 如miR-199a-1和miR-199a-2； (4)如果一个前体的2个臂分别加产生miRNA，则根据克隆实验，在表达水平较低的miRNA 后面加“*” ，如miR-199amiR-199a*，或进行如下命名，miR-142-5p和miR-142-3p； (5)将物种缩写置于miRNA之前，如hsa-miR-195； (6)确定命名规则之前发现的miRNA，如let-7，则保留原来名字。 那么为什么会存在这么多的形状差异呢？归根结底是由基因决定的。 根据中心法则我们知道基因遗传是由DNA到RNA再到蛋白质的一个过程。RNA则是反映了基因一个动态的个性，得出这样的结论，RNA是解读基因组的关键。 那么我们用什么方法来研究RNA呢，首先是对RNA进行测序 * 指一个细胞内基因组DNA转录得到的所有转录产物以及转录物在细胞特定发育时期或特定生理条件下的表达水平 转录本主要包括mRNA，small RNA，non-coding RNA * * E-value告诉你产生这个Result多大程度上是因为随机性造成的。E-value越小越好。专业一点说就是，E值越小，结果越显著。 * 手动注释；实验验证；或者与已有家族的基因经过同源相似比对的序列。 * 氯烷烃和氯烯烃降解途径 * * As a quick overview of the experimental procedures, Firstly take two samples, these could be two cell populations, tissues disease states etc Extract the RNA, There are several methods depending on amount of starting material