《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）
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、发育、凋亡等一系列重要的生理过程。
- 所谓非编码RNA，是指不需要翻译为蛋白即可以RNA形式行使其生物学功能的RNA分子。
- A non-coding RNA(ncRNA) is any RNA molecule that could function without being translated into a protein.
- 非编码基因对应的基因组DNA区域常常被称之为非编码RNA基因，或者简称为RNA基因。
基因、染色体、蛋白质、DNA，RNA 之间的关系是什么？
基因是 概念 ，染色体-DNA-RNA-蛋白质是 化学实体 ，DNA - RNA - 蛋白质的关系就是中心法则。
DNA就是脱氧核糖核酸（英语：Deoxyribonucleic acid，缩写为DNA）由含氮的碱基+脱氧核糖+磷酸组成。因为核糖和磷酸都一样而碱基又可以分为四种（腺嘌呤A，鸟嘌呤G，胸腺嘧啶T，胞嘧啶C），所以脱氧核糖核苷酸就可以分为四种（按照碱基的不同来分）同时在书写过程中可以用这碱基的简写代替。
RNA就是核糖核酸（RiboNucleic Acid ）由含氮的碱基+核糖+磷酸组成，而组成脱氧核糖核酸的碱基是：腺嘌呤A，鸟嘌呤G，尿嘧啶U，胞嘧啶C。同样，也按照碱基的不同把脱氧核糖核酸分为四种，在书写过程中也可以由着四种碱基的简写代替。
蛋白质就是蛋白质了，由氨基酸构成的生物大分子。
基因：是遗传的基本单元，是产生一条多肽链或功能RNA所必需的DNA片段。可以简单理解为好长一段DNA链中比较特殊某段。
染色体:细胞内具有遗传性质的遗传物质深度压缩形成的聚合体，易被碱性染料染成深色，所以叫染色体。
- 早期发现的核糖体RNA、rRNA、tRNA等都是负责维系细胞的基础代谢过程，因此在多种类型的细胞、组织乃至器官中均持续表达，作为housekeeping genes发挥功能。
- 近年来新发现的非编码RNA则主要是对其他基因的转录和翻译进行调控。
- 这些非编码RNA通过多种机制参与到对基因表达的调控，因此常常具有器官、组织乃至细胞类型特异的表达模式。
- ncRNA are encoded in the genome:
- The ENCODE(ENCyclopedia Of DNA Elements) pilot project suggested that over 90% of the human genome may be represented in primary transcripts.
- Over 95% of all transcripts are noncoding. Some estimate the number of ncRNAs to be ~30,000.
- miRNA在多种肿瘤的发生、发展中起着核心的调控作用，并可以作为病程诊断与进展程度的marker。因此miRNA已经被多家制药公司作为肿瘤、心脏病、艾滋病、疱疹病毒感染等多种疾病的治疗靶点。
- ncRNA并不仅限于miRNA等“小”RNA，长非编码RNA（long non-coding RNA,lncRNA）的长度可以达到几十乃至上百kB。
- lncRNA可以像mRNA一样，包含多个exon，有可变剪切以及polyA尾巴（polyA tail）。
- lncRNA也参与到多多种类型的生理及病理过程的调控中。
- 举例：lncRNA Xist是雌性哺乳动物X染色体失活过程中的决定性调控因子。
- How many non-coding transcripts?
- What are the functional roles of those ncRNAs?
7.2 长非编码RNA的鉴定
- 所谓鉴定（identification）可以看作一种分类（classification），也就是利用一组特征（feature）来将具有不同特性（property）的个体（individual）区分开来。但这些特征通常只需与我们感兴趣的特性有关联即可，不必要求直接等同。
- 那利用哪些特征呢？直接利用已知的生物学特性（property），如pre-miRNA会形成发卡结构，以此为基础，基于RNA二级结构来鉴定新的miRNA。但这个方法对于其功能不依赖于特定二级结构的lncRNA并不适用。
- 有没有可能只用转录组本序列本身的信息，而不依赖于多序列比对等外部信息来区分ncRNA和mRNA呢？并且这个方法不依赖于特定的机制，对长非编码RNA和miRNA等同样适用？并且这个方法在保证准确性的前提下要尽可能快？
- Feature Selection, 是指对一组候选特征进行系统筛选（systematically screening）,来得到一个针对特定分类目的的特征子集（feature subset）。
- feature selection方法可以分成完全搜索、启发式搜索和随机搜索三类。
- 完全搜索时间太长，一般不用。
- 前向搜索是一种爆发式搜索，通过向空子集中依据单个feature的分类power逐个加入，直到新加入的feature无法继续提升分类准确度为止。但是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，从而造成冗余。
- 对于n个feature，前向搜索原则上最多只需要尝试n种组合，大大降低了计算量。
- 随机搜索方法：Simulated Annealing，adding or removing features based on an "annealing-like" probability.
- 随机搜索方法在feature selection过程中引入了随机因素，以试图避免陷入局部最优。
- Simulated Annealing其本质上是一种随机算法，最终性能高度依赖于初始值以及参数的选择，同时最终结果的 稳定性也是一个问题。
- Initialized feature set是如何获得的？
- Properties of entity
- Speculate based on existed knowledge
- Predecessors established certain statistic
- The data that thought to be relevant
- 在feature selection的过程中，选择一个合理而且有效的初始列表，对于后续的feature selection乃至identification的效果都非常重要。
- Coding Potential Calculator (CPC): 对于不同长度的ncRNA都可以达到90%以上的准确率。
- CPC的运行速度是同样基于SVM的CONC的10倍以上，正确的feature selection发挥了重要作用。
- CPC已经成为了常用的在线非编码RNA鉴定工具之一，被应用于从表达调控到疾病研究乃至演化分析等多个领域。
7.3 变量选择----启发式搜索以及序列后向搜索的应用
- 启发式算法的基本原则就是对每一步的运算进行评估，选择最优的进行下一步运算。
- SFS，Sequential Forward Selection, 序列前向选择，即变量集从空集开始，每次选择一个变量加入，使得评价上获得最优解。简单来说，每次都选择一个使得评价函数的取值达到最优的变量的加入，就是一种简单的贪心算法。
- SBS，Sequential Backward Selection, 序列后向选择，从特征全集O开始，每次从特征集O中剔除一个特征x，使得剔除特征x后评价函数值达到最优。
- 前向搜索的问题是不能删除变量，会引起变量之间的信息的重复。后向搜索的问题是不能加入删除的变量。这两种算法同时非常容易陷入局部最优。
- 特征选择常用算法综述
- BDS，Bidirectional Search, 双向搜索使用序列前向选择（SFS）从空集开始，同时使用序列后向选择（SBS）从全集开始搜索，当两者搜索到一个相同的变量子集C时停止搜索。
- 双向搜索理论上并没有避免之前的陷入局部最优的问题，但是节省了时间，同时有可能导致选择出来的前向和后向的结果不一样，从而达不到最优解。
- LRS， Plus-L Minus-R Selection, 增L去R选择算法，每次训练是增加L个变量，同时删除R个变量，这两个值是固定的。选取的L和R会很大程度的影响结果。但是可以避免一些变量信息的重复选取。
- Sequential Floating Selection, 序列浮动选择是由LRS发展而来的，区别就是这里的L和R不是一个定值。
《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）相关推荐
- LncFinder | 非编码RNA的识别与分析神器！！！~
1写在前面 非编码RNA(ncRNAs), 是指不编码蛋白质的RNA.
- 原核转录组非编码RNA研究
本文转载自"美吉生物",己获授权 说到非编码RNA,可能大家会想到真核生物中miRNA .lncRNA和circRNA.确实~"真核非编码RNA三剑客"现阶段进 ...
- TACOS：一种用于准确预测细胞特异性长的非编码RNA亚细胞定位的新方法
<TACOS:一种用于准确预测细胞特异性长的非编码RNA亚细胞定位的新方法> <TACOS: a novel approach for accurate prediction of ...
- 《生物信息学》阅读笔记 （四）：非编码RNA
除mRNA以外,生物体内还存在许多不编码蛋白质的RNA,直接在RNA水平发挥作用,称为非编码RNA(non-coding RNA, ncRNA). 细胞中含量最高的rRNA和tRNA这两种常见的非编码 ...
- DeepLncLoc：一种基于子序列嵌入的长非编码RNA亚细胞定位预测的深度学习框架
目录 摘要 结果: 可用性: 1.介绍 2.方法 2.1数据集 2.2仅使用 k-mer 特征编码 rna 序列的局限性 2.3. 随后嵌入 2.4. 网络架构 2.5评估指标 2.6实施细节 3.结 ...
- LncLocator 2.0：具有可解释深度学习的长链非编码RNA的细胞特异性亚细胞定位预测器
Motivation:长链非编码RNA ( lncRNA )通常以组织特异性的方式表达,lncRNA的亚细胞定位取决于它们表达的组织或细胞系. <特色> 以前用于预测lncRNA亚细胞定位 ...
- 第六章 非编码RNA鉴定
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 ...
- Nature Reviews Cancer综述：长非编码RNA在肿瘤转移中的作用
近年来,虽然癌症的诊断和治疗取得了长足进步,但转移性癌症患者的预后仍然很差,转移性疾病占癌症相关死亡的绝大多数.癌细胞从原发性肿瘤向远处器官的扩散是一个有序的.多步骤过程,称为侵袭转移级联反应.在过去 ...
- Cell | 大规模多组织转录组学研究揭示长非编码RNA与人类复杂疾病的联系
长非编码RNA(long noncoding RNA, lncRNA)是一类普遍存在的异质RNA.与蛋白质编码基因不同,lncRNA的表达较低,组织特异性强,个体间的表达差异较大,因此,其表观遗传标记 ...
最新文章
- 文巾解题 231. 2的幂
- Algorithm：数学建模大赛之数学建模基础(经验/技巧)、流程(模型准备/模型假设/建模/求解/分析/优化/预测/评价)、论文写作(意义/摘要/关键词/问题重述和模型假设/建模/文献)之详细攻略
- 关于网络蜘蛛以及搜索蜘蛛爬行
- S2SH框架入门之使用struts2
- 根据使用频率为 5 个字符设计的哈夫曼编码不可能是（ ）
- gitlab project项目迁移
- 加快信息化建设对地方发展的_加快设计师职业发展的9种方法
- 安装配置ASMlib驱动
- 【FPGA】——UART串口通信
- linux qt遍历设备,Qt获取设备环境变量
- （一）数据挖掘概念与技术——韩家炜
- 免费素材：分享33套好看的网页按钮和图标素材
- 高级计算机使用教程,计算器高级计算使用方法
- asp cstr 函数
- 360众测考核简单记录
- PCB多层板的一些资料
- 流畅安装、简单使用annie下载B站视频
- 前端怎么加粗字体_【推荐】皮卡丘怎么画？教你如何轻松绘画出可爱的宠物小精灵！...
- 淘宝教育视频加速观看(在淘宝教育上看学习视频，需要加速，在谷歌浏览器上安装视频加速插件)
- Qt opengl 图片实现3D效果