CNCI:转录本蛋白编码潜能预测工具

欢迎关注”生信修炼手册”!

CPC是一款使用率非常高的lncRNA预测软件，但是它也存在一些问题。利用二代测序得到的转录组数据，我们组装得到的转录本往往是不完整的，基于非全长的转录本去预测lncRNA，如果这个lncRNA和蛋白编码基因存在overlap,那么很容易造成误判；其次对于没有物种注释的物种，其效果也很差。

为了克服上述问题，研究人员开发出了一款新的工具CNCI, 和CPC不同，该软件基于三联体碱基的构成来区分coding和noncoding转录本，论文发表在Nucleic Acids Research上，网址如下

https://academic.oup.com/nar/article/41/17/e166/2411728

三联体碱基指的就是三个连续的碱基，和密码子类似，称之为ANT, 该软件利用人和小鼠的转录本数据，构建了一个支持向量机的模型，用于对脊椎动物进行分类，示意如下

对于不同长度的转录本序列，和其他软件的性能比较如下

可以看到CNCI在各个长度区间性能都比较好。该软件的源代码保存在github上，网址如下

https://github.com/www-bioinfo-org/CNCI

安装方式如下

git clone git@github.com:www-bioinfo-org/CNCI.git
cd CNCI
unzip libsvm-3.0.zip
cd libsvm-3.0
make

CNCI的执行脚本是采用python开发的，直接用就可以的，但是该软件依赖libsvm, 所以需要安装这个库文件。基本用法如下

python CNCI.py \
-f transcript.fasta \
-o test \
-m ve \
-p 8 \

-f指定转录本序列文件，可以是fasta格式，也可以是gtf格式，如果是gtf格式，需要同时指定-g和-d参数;-p参数指定并行的CPU个数;-m指定使用的模型,ve代表脊椎动 物，p代表植物；-o指定输出结果的目录。

在结果目录下，有一个名为CNCI.index的文件，内容示意如下

第二列表明转录本的分类结果。更多用法和详细信息请参考官方文档。

·end·

—如果喜欢，快分享给你的朋友们吧—

扫描关注微信号，更多精彩内容等着你！