MicroRNA数字特征综述

第４６卷第２期　２０１５年２月　东北农业大学学报　

Ｊｏｕｒｎａｌ　ｏｆ　Ｎｏｒｔｈｅａｓｔ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｕｎｉｖｅｒｓｉｔｙ　４６ｆ２、：１００－１０８　

Ｆｅｂｒｕａｒｙ　２０１５　网络出版时间２０１５—１—２７　１６：００：２６　【ＵＲＬ］ｈｔｔｐ：／／ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／２３．１３９１．Ｓ．２０１５０１２７，１６００．００７．ｈｔｍｌ　ＭｉｃｒｏＲＮＡ数字特征综述　

朱荣胜　，刘景璐　，陈庆山　（１．东北农业大学理学院，哈尔滨１５００３０：２．东北农业大学生命科学学院，哈尔滨１５００３０　３．东北农业大学农学院，哈尔滨１５００３０）　

摘要：阐述ＭｉｃｒｏＲＮＡ（ｍｉＲＮＡ）数字特征在计算识别中的发展及应用，总结相关数字特征在ｍｉＲＮＡ基因及　靶基因预测中的作用。ｍｉＲＮＡ数字特征是计算识另　物种新ｍｉＲＮＡ基因的工具，从首个ｍｉＲＮＡ基因被发现以来，数　字特征研究由最初的ｍｉＲＮＡ序列特征和二级结构特征到现在常用的热力学特征、熵特征和拓扑特征等，均被广泛　应用于新ｍｉＲＮＡ基因鉴别和靶基因辨识。随着新一代测序技术广泛应用，ｍｉＲＮＡ数字特征在ｍｉＲＮＡ生源论探讨、　基因和靶基因４￣３＇１、生物合成途径发掘等研究中具有重要作用。文章提出将数字特征应用于靶基因功能的归属判　别、生物进化等研究领域，为ｍｉＲＮＡ数字特征在其他研究领域应用提供参考和借鉴。　关键词：ＭｉｃｒｏＲＮＡ；数字特征；计算识别；功能；进化　中图分类号：Ｑ５２　文献标志码：Ａ　文章编号：１００５—９３６９（２０１５）０２—０１００一Ｏ９　

朱荣胜，刘景璐，陈庆山．ＭｉｃｒｏＲＮＡ数字特征综述［Ｊ】．东北农业大学学报，２０１５，４６（２）：１００－１０８．　Ｚｈｕ　Ｒｏｎｇｓｈｅｎｇ，Ｌｉｕ　Ｊｉｎｇｌｕ，Ｃｈｅｎ　Ｑｉｎｇｓｈａｎ．Ｎｕｍｅｒｉｃａｌ　ｆｅａｔｕｒｅｓ　ｏｆ　ｍｉｃｒｏＲＮＡ　ｒｅｖｉｅｗ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｎｏ￣ｈｅａｓｔ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｕｎｉｖｅｒｓｉｔｙ．２０１　５，４６（２）：１　００－１　Ｏ８．（ｉｎ　Ｃｈｉｎｅｓｅ　ｗｉｔｈ　Ｅｎｇｌｉｓｈ　ａｂｓｔｒａｃｔ）　

Ｎｕｍｅｒｉｃａｌ　ｆｅａｔｕｒｅｓ　ｏｆ　ｍｉｃｒｏＲＮＡ　ｒｅｖｉｅｗ／ｚＨｕ　Ｒｏｎｇｓｈｅｎｇ’，ＬＩＵ　Ｊｉｎｇｌｕ　，ＣＨＥＮ　Ｑｉｎｇｓｈａｎ。（１．Ｓｃｈｏｏｌ　ｏｆ　Ｓｃｉｅｎｃｅｓ，Ｎｏｒｔｈｅａｓｔ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ　１　５００３０，Ｃｈｉｎａ；２．　Ｓｃｈｏｏｌ　ｏｆ　Ｌｉｆｅ　Ｓｃｉｅｎｃｅｓ，Ｎｏｒｔｈｅａｓｔ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ　１　５００３０，Ｃｈｉｎａ；３．Ｓｃｈｏｏｌ　ｏｆ　Ａｇｒｉｃｕｌｔｕｒｅ，Ｎｏｒｔｈｅａｓｔ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ　１　５００３０，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｒｅｖｉｅｗｅｄ　ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ａｎｄ　ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｍｉＲＮＡ　ｎｕｍｅｒｉｃａｌ　ｆｅａｔｕｒｅｓ　ｉｎ　ｔｈｅ　ｆｉｅｌｄ　ｏｆ　ｃｏｍｐｕｔａｔｉｏｎａｌｉｄｅｎｔｉｆｉｃａｔｉｏｎ．ａｎｄ　ｓｕｍｍａｒｉｚｅｄ　ｔｈｅ　ｒｏｌｅ　ｏｆ　ｎｕｍｅｒｉｃａＩ　ｆｅａｔｕｒｅｓ　ｉｎ　ｔｈｅ　ｐｒｅｄｉｃｔｉｏｎ　ｏｆ　ｍｉＲＮＡ　ｇｅｎｅｓ　ａｎｄ　ｔｈｅｉｒ　ｔａｒｇｅｔ．Ｔｈｅ　ｎｕｍｅｒｉｃａｌ　ｆｅａｔｕｒｅｓ　ｏｆ　ｍｉｃｒｏＲＮＡ（ｍｉＲＮＡ）ｉｓ　ａｎ　ｉｍｐｏｒｔａｎｔ　ｔｏｏｌ　ｏｆ　ｃｏｍｐｕｔａｔｉｏｎａｌ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ｎｅｗ　ｍｉＲＮＡ　ｇｅｎｅｓ．Ｓｉｎｃｅ　ｔｈｅ　ｆｉｒｓｔ　ｍｉＲＮＡ　ｗａｓ　ｆｏｕｎｄ　ｔｈａｔ　ｔｈｅ　ｓｔｕｄｙ　ｏｆ　ｍｉＲＮＡ　ｎｕｍｅｒｉｃａｌ　ｆｅａｔｕｒｅｓ　ｈａｓ　ｂｅｅｎ　ｏｎ，ｂｙ　ｏｒｉｇｉｎａｌｌｙ，ａｐｐｌｙｉｎｇ　ｍｉＲＮＡｓ　ｓｅｑｕｅｎｃｅ　ｆｅａｔｕｒｅｓ　ａｎｄ　ｓｅｃｏｎｄａ￣ｓｔｒｕｃｔｕｒｅ　ｆｅａｔｕｒｅｓ，ｔｈｅｒｍｏｄｙｎａｍｉｃｓ　ｆｅａｔｕｒｅｓ，ｅｎｔｒｏｐｙ　ａｎｄ　ｔｏｐｏｌｏｇｉｃａｌ　ｆｅａｔｕｒｅｓ　ｔｏ　ｉｄｅｎｔｉｆｙ　ｎｅｗ　ｍｉＲＮＡ　ｇｅｎｅｓ　ａｎｄ　ｔｈｅｉｒ　ｔａｒｇｅｔ　ｗｉｄｅｌｙ．Ｂｙ　ｎｏｗ，ｗｉｔｈ　ｔｈｅ　ｎｅｘｔ－ｇｅｎｅｒａｔｉｏｎ　ｓｅｑｕｅｎｃｉｎｇ（ＮＧＳ）ｔｅｃｈｎｏｌｏｇｙ　ａｐｐｌｉｅｄ　ｔｏ　ｍｉＲＮＡ　ｒｅｓｅａｒｃｈ，ｔｈｅ　ｎｕｍｅｒｉｃａｌ　ｆｅａｔｕｒｅ　ｉｎ　ｍｉＲＮＡ　ｂｉｏｇｅｎｅｓｉｓ　ｄｉｓｃｕｓｓ　ａｎｄ　ｔｈｅ　ｒｅｓｅａｒｃｈ　ｉｎ　ｂｉｏｓｙｎｔｈｅｔｉｃ　ｐａｔｈｗａｙ　ａｎｄ　ｉｄｅｎｔｉｆｙ　ｆｏｒ　ｍｉＲＮＡ　ｇｅｎｅｓ　ａｎｄ　ｔａｒｇｅｔｓ．Ｆｉｎａｌｌｙ，ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ｎｕｍｅｒｉｃａｌ　ｆｅａｔｕｒｅｓ　ｉｎ　ｔｈｅ　ｆｉｅｌｄ　ｏｆ　ｔｈｅ　ｏｗｎｅｒｓｈｉｐ　ｏｆ　ｄｉｓｃｒｉｍｉｎａｎｔ　ｏｆ　ｔａｒｇｅｔ　ｇｅｎｅｓ　ｉｎ　ｆｕｎｃｔｉｏｎ，ｂｉｏｌｏｇｉｃａｌ　ｅｖｏｌｕｔｉｏｎ　ａｎｄ　ＳＯ　ｏｎ　ｗｈｉｃｈ　ｐｒｏｖｉｄｅｄ　ａ　ｎｅｗ　ｔｒａｉｎ　ｏｆ　ｔｈｏｕｇｈｔ　ｆｏｒ　ｔｈｅ　ｎｕｍｅｒｉｃａｌ　ｆｅａｔｕｒｅ　ｏｆ　ｍｉＲＮＡ　ｉｎ　ｏｔｈｅｒ　ｆｉｅｌｄ．　Ｋｅｙ　ｗｏｒｄｓ：ｍｉｃｒｏＲＮＡ；ｎｕｍｅｒｉｃａｌ　ｆｅａｔｕｒｅｓ；ｃｏｍｐｕｔａｔｉｏｎａｌ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ；ｆｕｎｃｔｉｏｎ；ｅｖｏｌｕｔｉｏｎ　

ＭｉｃｒｏＲＮＡ是在物种间高度保守的、内源性的、　非编码小分子ＲＮＡ，成体（Ｍａｔｕｒｅ）约２１～２４　ｎｔ，是　重要的转录后调控因子。可与靶基因特异性互补　结合，以抑制或裂解方式调控　。Ｂｅｎｔｗｉｃｈ等研究　

收稿日期：２０１４—０３—０４　基金项目：黑龙江省博士后基金（ＬＢＨ—Ｚ１２０４５）；黑龙江省自然科学基金重点项目（ＺＤ２０１２１３）　作者简介：朱荣胜（１９７５一），男，副教授，博士，硕士生导师，研究方向为生物信息学。Ｅ—ｍａｉｌ：ｒｓｈｚｈｕ＠１２６．ｃｏｒｎ　东北农业大学学报　第４６卷　Ｄ类特征为拓扑特征，是应用统计方法将数字　特征用集合的形式定义新的数字特征　。　Ｅ类特征为生源论、靶标结合位点等生物过程　中出现的源基因和靶基因匹配状态特征。　Ｆ类特征为表达谱特征，是ｍｉＲＮＡ与ｍＲＮＡ　在表达谱数据中呈现负相关表达的数据特征。　２　数字特征在ＭｉｃｒｏＲＮＡ计算识别中　的发展及应用　通常用最小自由能（ＭＦＥ）来描述细胞中　ｍｉＲＮＡ二级结构稳定性，而成体上酶切位点与对　应酶的亲和性与ＲＩＳＣ（转录沉默复合物）结合能力　直接或间接地通过ｍｉＲＮＡ其碱基分布特征进行解　释。如突起（Ｂｕｇｌｅ）数量，茎环（Ｌｏｏｐ）数量，茎环　上的碱基匹配（Ｓｔａｃｋ）数量，保守性等均可对其进　行描述。这种在ｍｉＲＮＡ生源论研究中发现的数字　特征被应用到ｍｉＲＮＡ基因辩识中。　２．１基于同源比对方法预测ｍｉＲＮＡ　早期应用计算识别方法预测ｍｉＲＮＡ基因一般　仅关注小ＲＮＡ的二级结构，通过寻找相关物种之　间保守的发夹结构来确定候选ｍｉＲＮＡ基因，如　ＭｉＲｓｃａｎ、ｍｉＲｓｅｅｋｅｒ等预测工具。　

表１不同ｍｉｃｒｏＲＮＡ预测软件中数字特征的应用　Ｔａｂｌｅ　１　Ｄｉｆｅｒｅｎｔ　ｍｉｃｒｏＲＮＡ　ｐｒｅｄｉｃｔｉｏｎ　ｓｏｆｔｗａｒｅ　ａｐｐｌｉｃａｔｉｏｎ　ｆｏｒ　ｎｕｍｅｒｉｃａｌ　ｆｅａｔｕｒｅｓ　

注：“　序列特征，“Ｂ”二级结构特征，“Ｃ”热力学及熵特征，…Ｄ’拓扑特征，“Ｅ”生源论、基因组位置、靶标结合位点等生物过程中　的特征，…Ｆ’表达谱特征。　Ｎｏｔｅ：”Ａ”Ｓｅｑｕｅｎｃｅ　ｆｅａｔｕｒｅｓ，”Ｂ”Ｓｅｃｏｎｄａｒｙ　ｓｔｒｕｃｔｕｒｅ　ｆｅａｔｕｒｅｓ，”Ｃ”Ｔｈｅｒｍｏｄｙｎａｍｉｃｓ　ａｎｄ　ｅｎｔｒｏｐｙ　ｆｅａｔｕｒｅｓ，”Ｄ”Ｔｏｐｏｌｏｇｉｃａｌ　ｆｅａｔｕｒｅｓ，”Ｅ”Ｂｉｏｇｅｎｅ—　ｓｉｓ，ｇｅｎｏｍｉｃ　ｌｏｃａｔｉｏｎ，ｔａｒｇｅｔ　ｂｉｎｄｉｎｇ　ｓｉｔｅｓ　ａｎｄ　ｏｔｈｅｒ　ｂｉｏｌｏｇｉｃａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｔｈｅ　ｐｒｏｃｅｓｓ，”Ｆ”Ｅｘｐｒｅｓｓｉｏｎ　ｐｒｏｆｉｌｉｎｇ．　

ＭｉＲｓｃａｎ和ｍｉＲｓｅｅｋｅｒ是两个高效预测工具，两　个预测工具可搜索保守基因问区域的序列，应　用ＲＮＡ￣ｌｄＩ”１（用于ＭｉＲｓｃａｎ）、ＭＦＯＬＤ［３　（用于　ｍｉＲｓｅｅｋｅｒ），筛选可形成发夹结构候选ｍｉＲＮＡ序　列。ＭｉＲｓｃａｎ应用已知ｍｉＲＮＡ保守序列特征，如茎　干区域保守的第３Ｏ～５０个碱基等。而ｍｉＲｓｅｅｋｅｒ选　择的是保守的核苷酸分歧模式与文献［３９１中设置　相似。ＭｉＲｓｃａｎ首次被应用到线虫中识别新的　ｍｉＲＮＡ基因，而ｍｉＲｓｅｅｋｅｒ则首次被应用在果蝇中　预测ｍｉＲＮＡ基因，对预测的候选ｍｉＲＮＡ进行试验　验证。　基于ｍｉＲ￣Ａ序列和二级结构相似性特性所提　出的同源比对方法应用较早，可用于亲缘关系较近　的物种之间保守ｍｉＲＮＡ预测。但对于亲缘关系较　远物种并不适用，因为远源物种基因组同源性较　低。与应用比较基因组学预测ｍｉＲＮＡ不足是不能　对具有物种特异性ｍｉＲＮＡ进行预测。　２．２基于机器学习方法预测ｍｉＲＮＡ　基于机器学习的计算机识别ｍｉＲＮＡ方法在新一　代测序技术出现之前传播广泛，以支持向量机　第２期　朱荣胜等：ＭｉｃｒｏＲＮＡ数字特征综述　（Ｓｕｐｐｏ￣ｖｅｃｔｏｒ　ｍａｃｈｉｎｅ）、隐马尔科夫模型（Ｈｉｄｄｅｎ　Ｍａｒｋｏｖ　ｍｏｄｅ１）、随机森林（Ｒａｎｄｏｍ　ｆｏｒｅｓｔ）、朴素贝　叶斯分类器（Ｎａｉｖｅ　ｂａｙｅｓ　ｃｌａｓｓｉｆｉｅｒ）等为代表。方法　归类为序列的保守性特征、拓扑特征、热力学特　征、信息熵等特征并与上述算法相结合。即使不依　赖序列保守性的机器学习预测算法方法已被开发，　但仍有研究选择将其作为标准之一。这些方法使用　一组已知ｍｉＲＮＡ（阳性训练集）与一组不包含　ｍｉＲＮＡ发夹结构序列，例如一些ｍＲＮＡ、ｔＲＮＡ基　因、核糖体ｒＲＮＡ（阴性训练集），根据不同的属　性，区分真与假，构建ｍｉＲＮＡ基因预测器　。　ＭｉＲＮＡ数字特征可作为区分ｍｉＲＮＡ与其他ＲＮＡ　（ｒＲＮＡ，ｔＲＮＡ）量度，如成体长度２１～２４　ｎｔ、最小　自由能ＭＦＥ（Ｍｉｎｉｍｕｍ　ｆｒｅｅ　ｅｎｅｒｇｙ）、最小自由能指　数ＭＦＥＩ（Ｍｉｎｉｍｕｍ　ｆｏｌｄ　ｅｎｅｒｇｙ　ｉｎｄｅｘ）等被用来评估　新ｍｉＲＮＡ前体。研究表明，植物ｍｉＲＮＡ前体的　ＭＦＥＩ要高于其他ＲＮＡ（ｔＲＮＡ＝０．６４，ｒＲＮＡ＝０．５９　ａｎｄ　ｍＲＮＡ＝０．６５）１２”。二级结构能量特征成为计算　识别ｍｉＲＮＡ前体重要特征，随着Ｖｉｅｎｎａ　ＲＮＡ　ｐａｃｋａｇｅ　、Ｍｆｏｌｄ、ＲＮＡｆｏｌｄ等软件包或在线程序出　现，多数预测工具使用其计算二级结构的能量特征。　Ｐｆｅｆｅｒ等第一次介绍ＳＶＭ方法鉴别ｍｉＲＮＡ［２５］，　使用简单的特征：折叠自由能，对称茎上最长长　度，对称茎上Ａ，ｃ，Ｇ和ｕ核苷酸含量，被预测　的拥有最小自由能的二级结构上Ａｕ，ＧＣ和ＧＵ的　配对数。训练结束后，获得一个有７１％真阳性且　只有３％误报ｍｉＲＮＡ分类模型。　Ｎｇ和Ｍｉｓｈｒａ提出相对于单碱基频率较为高　级的二核苷酸频率（Ｄｉｎｕｃｌｅｏｔｉｄｅ　ｆｒｅｑｕｅｎｃｉｅｓ％）特　征【４２＿，为识别ｍｉＲＮＡ提供更好的分辨率和计算处　理。又结合其他１６个基本组成变量包括（Ｇ＋ｃ）％，６　种折叠测度（ｄＰ、ｄＤ、ｄＱ、ＭＦＥ、ＭＦＥＩ１、ＭＦＥＩ２）　和其余拓扑特征。应用高斯径向基函数（Ｇａｕｓｓｉａｎ　Ｒａｄｉａｌ　Ｂａｓｉｓ　Ｆｕｎｃｔｉｏｎ　ｋｅｒｎｅｌ，ＲＢＦ）以２００个人类　ｐｅｒ—ｍｉＲＮＡ正样本与４００个负样本作为支持向量机　的训练样本，应用４Ｏ个非人类物种的１　９１８个ｐｅｒ—　ｍｉＲＮＡ为正样本和３　８３６个ｐｅｒ—ｍｉＲＮＡ负样本进行　验证，综合结果得到９２．０８％敏感度，９７．４２％特异　性，９５．６４％准确性。　Ｘｕｅ等进行改进提出临近结构一序列的三元体　数字特征，对ｍｉＲＮＡ发卡结构匹配形式进行描　述［２ｏ１。任意位置上都能出现匹配（“（”）与不匹配　（“．”）两种情况，对任意３个连续碱基共有３２种情　况（如Ｕ“（（（”，同图１中“Ａ＋＋＋”）并结合支持向量　机成功对人类数据进行分析，正确鉴别ｍｉＲＮＡ前　体接近９０％，在未利用比较基因组学信息情况下　对其他物种包括植物、病毒鉴定精确度达到９０％　以上。　ＭｉＲＦｉｎｄｅｒ比较相关物种间序列，从一组候选的　发夹结构中识别ｍｉＲＮＡ。利用１８个不同数字特征，　如最小自由能，假定碱基配对的成体ｍｉＲＮＡ，与可　能的二级结构元件的频率等。由于有大量序列可形　成类似ｍｉＲＮＡ前体发夹结构，该方法包括随机化　测试以评估预测结构，显著降低候选ｍｉＲＮＡ数目　统计学意义。但可能无法检测到物种特异性的前体　ｍｉＲＮＡ。　ＳＶＭ最大问题在于样本分类不平衡，由于单一　物种中已知ｍｉＲＮＡ数量相对ｍｉＲＮＡ总数较少。ＳＶＭ　通常只能应用物种中少数被验证的ｍｉＲＮＡ作为正向　子集进行训练，而应用不平衡数据集进行分类训　练，对正向和负向训练数据集的分类性能有很大影　响。关键是要选择适当有代表性的样本子集训练分　类器，这一做法有助于提高分类精度。　２．３　ｍｉＲＮＡ的同源性，二级结构比对　ＭｉＲＡｌｉｇｎ是一个基于ｍｉＲＮＡ的结构和序列同　源性水平的预测工具，是比对方法。ｍｉＲＡｌｉｇｎ可使　用较宽松的序列保守性要求，揭示远源基于结构　ｍｉＲＮＡ同源物。由于具有较高灵敏度，比相似性　预测工具ＥＲＰＩＮ提供更好预测结果。ｍｉＲＡｌｉｇｎ潜　在缺点是不能够检测到未知结构中同源新ｍｉＲＮＡ。　２．４基于新一代测序技术预测ｍｉＲＮＡ　近年来，随着生物信息学和新一代测序技术发　展，使大量ｍｉＲＮＡ被预测。　ＭｉＲａｎａｌｙｚｅｒ使用已知的ｍｉＲＮＡ作为训练集，　并采用机器学习方法预测新ｍｉＲＮＡ。该程序可检　测到已在ｍｉＲＢａｓｅ［４　数据库中注释过的ｍｉＲＮＡ，随　后删除已知的匹配序列并让其无错配。对于数据来　说其包含转录组数据，如基因和其他非编码ＲＮＡ　序列的匹配数据。最后从筛选后序列中预测新的　ｍｉＲＮＡ，特别是应用在线虫、大鼠和人类的数据中　可得到较好的分类结果。　ＰｌＰｍｉＲ方法则首次尝试将朴素贝叶斯分类器　引入到基于高通量测序数据的植物ｍｉＲＮＡ预测　中。第一阶段先构建的贝叶斯分类器采用了包含