PLEK:转录本蛋白编码潜能预测工具

欢迎关注”生信修炼手册”!

在之前的文章中，我们介绍过CPC和CNCI这两款软件，可以用于预测lncRNA序列。其中CPC基于序列比对的方式，对于注释信息相对全面的物种分类效果较好，但是运行速度相对较慢，CNCI基于序列的三联体碱基组成来区分编码和非编码转录本，对于注释信息缺乏的物种，效果也不错，但是当序列中存在插入缺失时，其分类效果就变得很差。

在高通量测序产生的数据中，会存在一定的测序错误，虽然比例很低，但是基于这样的序列组装得到转录本然后去预测lncRNA, 对于CNCI这个软件而言，就会造成相当大的影响。

为了克服上述问题，需要一款运行速度又快，又可以一定程度上降低测序错误影响的lncRNA预测软件，PLEK软件就是基于这样的出发点进行开发的。PLEK软件通过序列的kmer构成来区分编码和非编码转录本，不需要通过比对来完成，所以运行速度较快，同时其性能受到测序错误的影响的概率较低，比较稳定。

在论文中，开发者评估了测序错误对各个软件准确度的影响，结果如下所示

可以看到，随着测序错误比例的上升，CNCI的准确度急剧下降，而PLEK和CPC的结果都相对稳定。

同时利用小鼠的转录本数据，评估了各个软件分类的准确性，结果如下所示

从蛋白编码的转录本来看，CPC的准确率最高，PLEK误判的概率最高；从非编码转录本来看，CNCI的准确率最高，phyloCSF的误判率最高。

综合来看，PLEK的准确性介于CPC和CNCI之间，但是考虑到测序错误的影响，PLEK的优势会更加明显。

论文中对于各个软件的运行效率，也进行了比较，结果如下

可以看到PLEK的运行速度是最快的。该软件的源代码托管在sourceforge上，网址如下

https://sourceforge.net/projects/plek/files/

安装方式如下

wget https://sourceforge.net/projects/plek/files/PLEK.1.2.tar.gz
tar xzvf PLEK.1.2.tar.gz
cd PLEK.1.2
python PLEK_setup.py

基本用法如下

python PLEK.py \
-fasta transcript.fa \
-out output \
-thread 10

只需要输入转录本对应的fasta格式的文件就可以了，输出文件output内容示意如下

第一列代表该转录本为coding还是non-coding, 第二列为打分值，打分值大于0为coding, 小于零为non-coding, 第三列为fasta文件中的序列标识符。

默认情况下会调用内置的svm模型，如果你有该物种已知的mRNA和lncRNA转录本序列，也可以构建自己的模型，代码如下

python PLEKModelling.py \
-mRNA mRNAs.fa \
-lncRNA lncRNAs.fa \
-prefix 20190129

运行成功后，会生成后缀为.model和.range的两个文件。在预测时可以通过参数指定svm模型，用法如下

python PLEK.py \
-fasta transcript.fa \
-out output \
-model 20190129.model
-range 20190129.range \
-thread 10

更多细节和用法请参考官方文档。

·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！