叫一声lncRNA你敢答应么[男女不限]

什么是lncRNA

lncRNA 的全称是long noncoding RNA。即又长又表达且还不能编码翻译成蛋白质的一类RNA。

lncRNA 的种类和功能

在哺乳动物和植物中，存在大量的非编码RNA，其中包括small RNA 和 lncRNA。

lncRNA 根据不同的分类依据可以分为不同的类别。根据其与功能基因的相对位置，可以分为天然反义转录本(NAT)，基因间区lncRNA和内含子lncRNA。

lncRNA 的研究目前来看已经逐渐从一个极火的状态逐渐有归于平静的趋势。目前已知的功能主要有如下几个：

• 能被加工产生小分子RNA，如miRNA
• 对组蛋白进行修饰，介导染色质重塑调节基因表达
• 作为miRNAs诱饵，抑制miRNA 对其靶基因的调控
• 作为mRNA的天然反义转录本（NATs）发挥功能
• 在调节植物生殖生长，胁迫应答等方面具有重要作用

lncRNA 分析对数据的要求

因为多数lncRNA与mRNA不同，没有polyA的尾巴，所以建库时需要使用去核糖体的艰苦方式，又因为lncRNA需要明确的知道产生方向，所以需要使用链特异性的建库方式。关于链特异性建库分析的相关内容，可以查看我的另一篇文章链特异建库那点事。

注释依据

根据lncRNA 的定义，其注释依据主要是如下三点：

• RNA: 有表达且表达量不能过低
• 长：大于200bp(大于等于两个exon)
• 非编码：不能编码蛋白

注释流程（有参数据）

• 比对：hisat2
• 转录本拼接预测：Stringtie 如果有多个样本，将每个样本分别进行比对和组装
• 合并转录本：Stringtie --merge
• 分析转录本类型：gffcompare 和已有注释文件进行比较
• 筛选：从上一步结果中对转录本进行筛选

基本筛选条件

• gffcompare 结果中根据 class_code类型进行初步筛选，选择 "i","x","u","o","e" 类型。具体含义如下图所示。
• 长度 ≥ 200bp(必选)，Exon ≥ 2(可选)
• FPKM ≥ 0.1 (根据测序深度调整)

编码能力分析

关于如何鉴定lncRNA，近5年主要使用的软件都是出自中国研究人员之手。比如北大高歌课题组开发的CPC(CPC2)，比如计算所赵屹课题组开发的CNCI，再比如贝勒医学院李蔚课题组开发的CPAT。

CPC2 (Coding Potential Calculator)

基于支持向量机的分类器开发，根据转录本各编码框的4个序列特征评估编码能力。其四个序列特称分别是 Fickett TESTCODE score, open reading frame (ORF) length, ORF integrity and isoelectric point (pI)

http://cpc2.cbi.pku.edu.cn/help.php

CNCI(Coding-Non-Coding Index)

通过相邻核苷酸三联体特征区分编码和非编码转录本，不依赖于已知的注释文件，可以对不完整的转录本和反义转录本对进行预测.

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

CPAT(Coding Potential Assessment Tool)

构建逻辑回归模型，基于四个特征ORF长度和覆盖度，Fickett TESTCODE score 和hexamer usage bias来判断转录本编码能力

http://rna-cpat.sourceforge.net/

Pfam 蛋白结构域注释

通过和已有的蛋白数据库进行比对，lncRNA应该不存在比对结果。

RNAplonc

RNAplonc 是最近刚刚上线的一种专门针对植物开发的lncRNA 鉴定方法。该工具由来自5种植物的lncRNA和mRNA数据创建和训练而成，使用REPTree算法从超过5,000种特征中选择了16种特征。

http://rnaplonc.cp.utfpr.edu.br/about.php

靶基因预测

• 基于距离：根据基因组具体情况，lncRNA附近5k(50k)以内的基因可以考虑做为lncRNA 的靶基因。
• 基于序列匹配：LncTar 方法等。 lncRNA和靶基因在序列上可能存在不完全的序列相似性，根据最小自由能原理，计算标准化结合自由能(normalized binding free energy,ndG）来预测靶基因。 网址：http://www.cuilab.cn/lnctar