靶基因预测方法学说明

《靶基因预测方法学说明》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、靶基因预测方法学说明靶基因预测方法学说明miRNA的靶基因预测主要采用了miRanda与TargetScan算法进行靶基因预测。关于miRanda与TargetScan具体地计算过程可参考如下描述：一、TargetScan说明与计算步骤miRNA与mRNA的3’-UTR区结合，可以起到转录后调控作用。与mRNA的3’-UTR区结合时，miRNA序列从5’-端计数起的第2至8个碱基起到关键的作用，把这7个碱基组成的序列称为miRNA的种子(seed)[1]。依种子与3’-UTR序列结合位点处的匹配情况，

2、分三种结合类型：8mer-1a：种子的7个碱基完全被匹配，另外3’-UTR序列上与种子匹配部分3’端相邻的碱基是A；7mer-8m：种子的7个碱基完全被匹配，3’-UTR序列上与种子匹配部分3’端相邻的碱基非A；7mer-1a：类似于8mer-1a,但种子部分3’-端最后一个碱基没有被匹配。上述三种类型结合作用由强至弱，用结合类型得分值度量。一条miRNA序列在一条3’-UTR序列上可能有多个潜在结合位点，种子部分的结合类型是上述三种情况之一。除种子的结合类型之外，以下因素也影响结合

3、作用的强弱：(1)种子潜在结合位点在3’-UTR上所处的位置[3]。结合位点越接近3’-UTR的末端，结合作用越强，但要注意的是与终止密码子(stopcodon)不能过近。(2)潜在结合位点附近碱基A或U的密度[3]。AU碱基密度越大，结合作用越强。miRNA序列除种子部分外与3’-UTR端匹配程度。匹配程度越高，结合作用越强。(3)种子匹配稳定度(SPS，seed-pairingstability)。值越小(绝对值大)，结合作GCBI版权所有1靶基因预测方法学说明用越强。(4)靶点丰富度(TA，ta

4、rget-siteabundance)，一个种子序列在大量3’-UTR上潜在结合位点的相对数量。降低靶点丰富度，预测效率越高。每一种因素用一种得分值进行衡量，它们的和称为context+score[4]，这个分值最终用于评判miRNA在某一3’-UTR上一个潜在结合位点结合作用的强弱。值越小(绝对值大)，则认为是靶基因的概率越大。context+score的计算步骤：用原始位置得分值rawScore表示结合位点离两个3'-UTR末端距离中较小的一个，但最大为1500bp。那么位置得分值score

5、计算如下：−＝(−)−其中、、、是对大量样本进行统计后得到的估计值。此外，结合位点不能过于靠近终止子(stopcodon)，当结合位点离终止子过于靠近时(小于15个碱基的距离)，可以认为这不是一个靶点。在考察的3’-UTR序列上，分别在结合位点的上下游各取一段最长30bp的碱基子

6、序列(若遇到UTR序列末端碱基数不到30，则取至末端碱基即可)。先将总得分与AU得分赋予值0，考察这两条序列，对其每个碱基，如果与种子结合位点的相距n个碱基，那么得分是1/n，将之加入总得分值，如果此碱基是A或U，那么也将之加入AU得分值。遍历完两条子序列后，将AU得分值除以总得分值，就得到原始AU得分值()。这样，context+score中的AU得分值计算如下：−＝(−)

7、−其中、、、是对大量样本进行统计后得到的估计值。除种子部分的匹配外，与miRNA的3'端的匹配情况对靶基因的预测起到补充作用，尤其是与miRNA5'端开始计数起的第13至16个碱基的匹配状况。由GCBI版权所有2靶基因预测方法学说明种子确定结合位点后，在3’-UTR上取包含结合位点部分的长度为23的子序列，于是这段序列的3'端就是结合位点所在端。当miRNA的3'端某一段子序列与上述3’-UTR子序

8、列的某一5'端子序列完全匹配时,则可以计算出一个得分，规则是miRNA5’端始第13至16个碱基得分贡献值是1,其它位置的贡献值是0.5。取的是此种得分的最大值，称为原始3’端得分值。context+score中3’端得分值计算如下：−＝(−)−