lncRNA|靶基因预测

在lncRNA的研究中,lncRNAba基因的确定是必不可少的环节,因此系统的梳理下常用的预测lncRNA靶基因的方法,将会为以后的科研工作带来不小帮助。

太长不看版:

  • 1.starbase
    1. MEM
    1. 顺式/反式调控
  • 3.基因共表达预测
  • 4.RNA-seq测序

详细版:
lncRNA的作用模式比microRNA复杂很多(microRNA常见通过结合mRNA来抑制翻译或促进降解来达到目的,一般发生在转录后水平),有关lncRNA作用模式的说法有很多种,比如顺式(cis)、反式(trans),根据作用的位置不同可分为DNA、RNA和蛋白质,大致可分为转录和转录后水平。

lncRNA本质上是核酸,二核酸与核酸之间依靠碱基互补配对,因此无论lncRNA与RNA(microRNA、mRNA)或DNA之间,都可以通过碱基互补配对原则进行预测。

1. starbase

网址:http://starbase.sysu.edu.cn/

starbase3.0

找到ceRNA network栏,点开lncRNA-ceRNA,选取目标lncRNA即可。但这个结果有一定确定,基本上都是经过别的实验验证过的,如果是探索性的,可能就太合适了。

2. MEM

网址:https://biit.cs.ut.ee/mem/
MEM汇总了GEO数据集上的芯片数据,然后基于共表达分析,预测lncRNA的靶基因。

MEM

在1处输入目标基因,2处输入物种,3处搜索,Output处可以设置输出基因的数目。

3.顺式/反式调控

顺式(cis)指lncRNA对邻近mRNA(比如在同一染色体上)的一种调控方式,因此可以完全通过寻找lncRNA周围的mRNA这种方式来预测lncRNA的靶基因。
反式(trans)指不同染色体后染色体远端位置的靶点。

目前一般认为1Mbps是一个合适的单位,即认为1Mbps内会出现频繁的顺式调控。
用LncRIsearch:分别输入想要检测的lncRNA-mRNA即可。
网址:http://rtools.cbrc.jp/LncRRIsearch

lncRIsearch

4.基因共表达预测

根据基因的表达模式,预测可能的靶基因,数据下载和分析可用R|TCGA|m6AlncRNA的例子,核心代码如下:

rm(list = ls())
library(limma)
corFilter=0.4 #设置相关系数阈值
pvalueFilter=0.001 #设置p值过滤标准

# lncRNA数据处理
rt <- data.table::fread("D:/jianshu/R-TCGA-m6AlncRNA/lncRNA.txt",data.table = F)
rt <- as.matrix(rt) #变为matrix
rownames(rt) <- rt[,1]
exp <- rt[,2:ncol(rt)]
dimnames <- list(rownames(exp),colnames(exp))
data <- matrix(as.numeric(as.matrix(exp)),nrow=nrow(exp),dimnames = dimnames)
data <- avereps(data)
data <- data[rowMeans(data)>0.1,] #去掉数值比较小的lncRNA
library(tidyverse)
lncRNA <- data[,str_sub(colnames(data),14,15)<10]
lncRNA <- log2(lncRNA+1)


# mRNA数据处理
rt1 <- data.table::fread("D:/jianshu/R-TCGA-m6AlncRNA/mRNA.txt",data.table = F)
rt1=as.matrix(rt1)
rownames(rt1)=rt1[,1]
exp=rt1[,2:ncol(rt1)]
dimnames=list(rownames(exp),colnames(exp))
data1=matrix(as.numeric(as.matrix(exp)),nrow=nrow(exp),dimnames=dimnames)
data1=avereps(data1)
data1 <- log2(data1+1)
data1 <- data1[,str_sub(colnames(data1),14,15)<10]

# 求相关性
gene="ZEB1-AS1"
outTab=data.frame()
for (i in rownames(data1)){
  x=as.numeric(lncRNA[gene,])
  y=as.numeric(data1[i,])
  corT=cor.test(x,y)
  cor=corT$estimate
  cor=round(cor,3)
  pvalue=as.numeric(corT$p.value)
  if(pvalue<0.001){
    pvalue=format(pvalue,scientific = TRUE)
  }else(
    pvalue=round(pvalue,3)
  )
  if((abs(cor)>corFilter)&(pvalue<pvalueFilter)){
    outTab=rbind(outTab,cbind(lncRNA=gene,mRNA=i,cor,pvalue))
  }
}

参考文献:
http://www.360doc.com/content/16/1111/12/19913717_605626019.shtml

?著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,172评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,346评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事?!?“怎么了?”我有些...
    开封第一讲书人阅读 159,788评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,299评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,409评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,467评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,476评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,262评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,699评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,994评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,167评论 1 343
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,827评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,499评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,149评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,387评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,028评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,055评论 2 352

推荐阅读更多精彩内容