CN102485905A - 一种基于表达趋势的微小核糖核酸靶基因预测方法 - Google Patents
一种基于表达趋势的微小核糖核酸靶基因预测方法 Download PDFInfo
- Publication number
- CN102485905A CN102485905A CN2010105721003A CN201010572100A CN102485905A CN 102485905 A CN102485905 A CN 102485905A CN 2010105721003 A CN2010105721003 A CN 2010105721003A CN 201010572100 A CN201010572100 A CN 201010572100A CN 102485905 A CN102485905 A CN 102485905A
- Authority
- CN
- China
- Prior art keywords
- target gene
- mirna
- messenger rna
- mrna
- screening
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明根据微小核糖核酸与靶基因的信使核糖核酸具有负相关的特点，从配对的微小核糖核酸与基因的信使核糖核酸的表达谱出发，找到了一种可行的表达趋势的微小核糖核酸靶基因预测的生物信息学方法，可直接针对微小核糖核酸的靶基因进行锁定，以便于进一步的生物学实验验证。本发明主要包括如下流程：步骤1：获取配对的微小核糖核酸与基因的信使核糖核酸的表达谱数据；步骤2：筛选显著变化的微小核糖核酸；步骤3：筛选显著变化的信使核糖核酸；步骤4：将显著变化的微小核糖核酸和显著变化的信使核糖核酸进行两两比较，计算相关系数；步骤5：对相关系数进行费希尔(Fisher)z变换；步骤6：t检验计算相关性的显著程度。最后筛选p＜0.01的信使核糖核酸为靶基因。最终，对于感兴趣的微小核糖核酸靶基因，可以直接进行实验验证。
Description
技术领域
本发明属于生物技术领域，涉及微小核糖核酸(microRNA)靶基因预测方面。
背景技术
本发明是一种哺乳动物微小核糖核酸靶基因预测方法。适用于微小核糖核酸的生物医学研究或基础生物学研究。
微小核糖核酸是一类长度在22个核酸左右的内源非编码小核糖核酸，广泛存在于动物、植物、病毒等多种有机体中。已有研究表明，微小核糖核酸通过作用于相应靶基因的信使核糖核酸，抑制翻译或导致信使核糖核酸降解。最新的研究表明后者为主。通过靶基因的作用，已经证实微小核糖核酸参与细胞增殖、凋亡、分化、代谢、发育、肿瘤转移等多种生物学过程。
现在，人们预测超过1/3的人类基因都是保守的微小核糖核酸靶基因。但目前为止，仍有很多微小核糖核酸的功能并不清楚，原因在于目前已经确定的微小核糖核酸靶基因数量很少，而且微小核糖核酸靶基因的预测与鉴定难度较大。准确快速地预测并鉴定微小核糖核酸靶基因，对研究微小核糖核酸功能以及所参与的生物学过程具有十分重要的意义。
我们的方法是根据微小核糖核酸与靶基因的信使核糖核酸(mRNA)具有负相关的特点，进行微小核糖核酸靶基因的预测。
发明内容
本发明根据微小核糖核酸与靶基因的信使核糖核酸具有负相关的特点，从配对的微小核糖核酸与基因的信使核糖核酸的表达谱出发，找到了一种可行的表达趋势的微小核糖核酸靶基因预测的生物信息学方法，可直接针对微小核糖核酸的靶基因进行锁定，以便于进一步的生物学实验验证。其实施步骤如下所示：
步骤一：获取配对的微小核糖核酸与基因的信使核糖核酸的表达谱数据。
步骤二：筛选显著变化的微小核糖核酸。
步骤三：筛选显著变化的信使核糖核酸。
步骤四：将显著变化的微小核糖核酸和显著变化的信使核糖核酸进行两两比较，计算相关系数。
步骤五：对相关系数进行费希尔(Fisher)z变换。
步骤六：利用统计学上的t检验(t-test)计算相关性的显著程度。最后筛选p＜0.01*的信使核糖核酸为候选的靶基因。
步骤七：对于步骤六筛选的的微小核糖核酸，进行实验验证。
说明：*P值即概率，反映某一事件发生的可能性大小。统计学根据显著性检验方法所得到的P值，一般以P＜0.05为显著，P＜0.01为非常显著，其含义是样本间的差异由抽样误差所致的概率小于0.05或0.01。
本发明根据微小核糖核酸与靶基因的信使核糖核酸具有负相关的特点，从配对的微小核糖核酸与基因的信使核糖核酸的表达谱出发，找到了一种可行的表达趋势的微小核糖核酸靶基因预测的生物信息学方法，可直接针对微小核糖核酸的靶基因进行锁定，以便于进一步的生物学实验验证。
在创新性方面，其特征在于：我们的方法利用了微小核糖核酸与靶基因的信使核糖核酸表达值具有负相关的特点，进行靶基因的预测。与已有的给予序列互补的预测方法相比，预测结果更为可靠，有利于从全基因组范围内挖掘微小核糖核酸的靶基因。
附图说明
图1：本发明的实施步骤
图2：数据分析结果
图3：对于其中的一个靶基因，利用荧光素酶报告基因进行验证。
具体实施方式：
下面以肝癌肿瘤数据集为实例，20例病人，利用基因芯片技术分别进行了微小核糖核酸与基因的信使核糖核酸表达定量。具体实施步骤如下：
步骤一：获取配对的微小核糖核酸与基因的信使核糖核酸的表达谱数据。
步骤二：筛选显著变化的微小核糖核酸。利用倍数法筛选与正常人对照比值至少2倍的微小核糖核酸。
步骤三：筛选显著变化的信使核糖核酸。利用倍数法筛选与正常人对照比值至少2倍的信使核糖核酸。
步骤四：将显著变化的微小核糖核酸和显著变化的信使核糖核酸进行两两比较，计算相关系数。
步骤五：对相关系数进行费希尔(Fisher)z变换。
步骤六：t检验计算相关性的显著程度。最后筛选p＜0.01的信使核糖核酸为靶基因。结果见说明书附图2
步骤七：对步骤六筛选的微小核糖核酸及靶基因，将靶基因克隆到荧光素酶载体中，微小核糖核酸前体与荧光素酶载体共同转染到人hela细胞系中。结果显示，报告基因的荧光素酶活性明显得到了抑制。说明这种靶基因预测是正确的。结果见说明书附图3.。
以上是对本发明的描述而非限定，基于本发明思想的其它实施方式，均在本发明的保护范围之中。
Claims (1)
1.本发明根据微小核糖核酸与靶基因的信使核糖核酸表达值具有负相关的特点，从配对的微小核糖核酸与基因的信使核糖核酸的表达谱出发，找到了一种可行的表达趋势的微小核糖核酸靶基因预测的生物信息学方法，可直接针对微小核糖核酸的靶基因进行锁定，以便于进一步的生物学实验验证。本发明主要包括如下流程：
步骤1：获取配对的微小核糖核酸与基因的信使核糖核酸的表达谱数据；
步骤2：筛选显著变化的微小核糖核酸；
步骤3：筛选显著变化的信使核糖核酸；
步骤4：将显著变化的微小核糖核酸和显著变化的信使核糖核酸进行两两比较，计算相关系数；
步骤5：对相关系数进行费希尔(Fisher)z变换；
步骤6：t检验计算相关性的显著程度。最后筛选p＜0.01的信使核糖核酸为靶基因。
步骤7：对步骤六筛选的微小核糖核酸及靶基因，将靶基因克隆到荧光素酶载体中，微小核糖核酸前体与荧光素酶载体共同转染到人hela细胞系中。结果显示，报告基因的荧光素酶活性明显得到了抑制。说明这种靶基因预测是正确的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010105721003A CN102485905A (zh) | 2010-12-03 | 2010-12-03 | 一种基于表达趋势的微小核糖核酸靶基因预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010105721003A CN102485905A (zh) | 2010-12-03 | 2010-12-03 | 一种基于表达趋势的微小核糖核酸靶基因预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102485905A true CN102485905A (zh) | 2012-06-06 |
Family
ID=46151479
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2010105721003A Pending CN102485905A (zh) | 2010-12-03 | 2010-12-03 | 一种基于表达趋势的微小核糖核酸靶基因预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102485905A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106556572A (zh) * | 2016-11-14 | 2017-04-05 | 天津津航技术物理研究所 | 一种光学薄膜特性之间相关性的确定方法 |
| CN106570346A (zh) * | 2016-11-14 | 2017-04-19 | 京东方科技集团股份有限公司 | 生理状况评估因子确定方法、生理状况评估因子确定系统 |
| CN109328346A (zh) * | 2016-07-06 | 2019-02-12 | 日本电信电话株式会社 | 费希尔精确检验计算装置、方法以及程序 |
-
2010
- 2010-12-03 CN CN2010105721003A patent/CN102485905A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109328346A (zh) * | 2016-07-06 | 2019-02-12 | 日本电信电话株式会社 | 费希尔精确检验计算装置、方法以及程序 |
| CN109328346B (zh) * | 2016-07-06 | 2023-07-28 | 日本电信电话株式会社 | 费希尔精确检验计算装置、方法以及记录介质 |
| CN106556572A (zh) * | 2016-11-14 | 2017-04-05 | 天津津航技术物理研究所 | 一种光学薄膜特性之间相关性的确定方法 |
| CN106570346A (zh) * | 2016-11-14 | 2017-04-19 | 京东方科技集团股份有限公司 | 生理状况评估因子确定方法、生理状况评估因子确定系统 |
| CN106570346B (zh) * | 2016-11-14 | 2020-02-18 | 京东方科技集团股份有限公司 | 生理状况评估因子确定方法、生理状况评估因子确定系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Eyileten et al. | MicroRNAs as diagnostic and prognostic biomarkers in ischemic stroke—a comprehensive review and bioinformatic analysis | |
| Takousis et al. | Differential expression of microRNAs in Alzheimer's disease brain, blood, and cerebrospinal fluid | |
| Lu et al. | A Lasso regression model for the construction of microRNA-target regulatory networks | |
| US10000810B2 (en) | MiRNA fingerprint in the diagnosis of multiple sclerosis | |
| EP3268494B1 (en) | Method of determining the risk of developing breast cancer by detecting the expression levels of micrornas (mirnas) | |
| Gumienny et al. | Accurate transcriptome-wide prediction of microRNA targets and small interfering RNA off-targets with MIRZA-G | |
| US9096906B2 (en) | Gene expression signature for classification of tissue of origin of tumor samples | |
| Wu et al. | The use of miRNA microarrays for the analysis of cancer samples with global miRNA decrease | |
| Ludwig et al. | Bias in recent miRBase annotations potentially associated with RNA quality issues | |
| US20100178653A1 (en) | Gene expression signature for classification of cancers | |
| He et al. | MicroRNA-encoding long non-coding RNAs | |
| CN104854247A (zh) | 卵巢癌的预后及分层方法 | |
| Chang et al. | Ethnic Differences in MicroRNA‐375 Expression Level and DNA Methylation Status in Type 2 Diabetes of Han and Kazak Populations | |
| Hoogstrate et al. | FlaiMapper: computational annotation of small ncRNA-derived fragments using RNA-seq high-throughput data | |
| Kim et al. | MicroRNAs as biomarkers for dental diseases | |
| Rajendiran et al. | Computational approaches and related tools to identify MicroRNAs in a species: A Bird’s Eye View | |
| CN102485905A (zh) | 一种基于表达趋势的微小核糖核酸靶基因预测方法 | |
| Qian et al. | miRSeqNovel: an R based workflow for analyzing miRNA sequencing data | |
| Cui et al. | HEPeak: an HMM-based exome peak-finding package for RNA epigenome sequencing data | |
| Liu et al. | A Bayesian approach for identifying miRNA targets by combining sequence prediction and gene expression profiling | |
| Xie et al. | MIROR: a method for cell-type specific microRNA occupancy rate prediction | |
| Gao et al. | Screening of biomarkers involved in idiopathic pulmonary fibrosis and regulation of upstream miRNAs | |
| Yuping et al. | Integrated Analysis of miRNA and Gene Networks on Cancer Expression Data | |
| Alejandro et al. | Ensemble feature selection and meta-analysis of cancer mirna biomarkers | |
| Maolmhuaidh et al. | Clinical data warehouses for disease diagnosis: A focus on exosomal MicroRNA biomarkers |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120606 |