申请/专利权人：南京派森诺基因科技有限公司

申请日：2019-03-15

公开（公告）日：2023-07-21

公开（公告）号：CN110085283B

主分类号：G16B20/00

分类号：G16B20/00

优先权：

专利状态码：有效-授权

法律状态：2023.07.21#授权;2019.08.27#实质审查的生效;2019.08.02#公开

摘要：本发明公开了一种基于miRNA靶基因预测以及相关表达分析进行ceRNA预测的方法，其特征在于，包括如下步骤:ceRNA作用对的相关性分析；根据共有MERs数量进行潜在ceRNA关系对筛选；根据miRNA与ceRNA作用对三者之间的表达相关性，采用两种打分方式来评价miRNA对一对竞争的lncRNA‑mRNA的调控功能；获取统计检验显著的结果，并将结果按照打分进行排序。本发明的有益效果在于：对ceRNA进行初步分析后，根据实际测序结果进分析基因间表达相关性，对结果进行筛选。对动物和植物采用不同的靶基因预测方法，从而都可以进行ceRNA预测分析。整合常用数据库中信息，增加分析结果的可靠性。

主权项：1.一种基于miRNA靶基因预测以及表达相关性分析进行ceRNA预测的方法，其特征在于，包括如下步骤:ceRNA作用对的相关性分析：筛选于与lncRNA的皮尔逊相关系数高于0.7的RNA关系对；根据共有MERs数量进行潜在ceRNA关系对筛选：具有ceRNA关系的RNA对之间共有的miRNA数量符合负二项分布，进行超几何检验，筛选pvalue值小于0.05的显著性结果；根据miRNA与ceRNA作用对三者之间的表达相关性，采用两种打分方式来评价miRNA对一对竞争的lncRNA-mRNA的调控功能：i调控相似性打分，miRNA与一对ceRNA两者之间的表达相关性，所述表达相关性范围在-1-1，绝对值大于0.7则为相关，绝对值越大相关性越高；之间的相似性越高，结果越可靠；ii敏感相关性打分，一对ceRNA之间的表达相关性与miRNA的介入的关联越高，结果越可靠，该分值大于0.3时，结果显著，分值越高越可靠；获取统计检验显著的结果，并将结果按照打分进行排序；所述敏感相关性打分如下：计算RNA1和RNA2之间相关性，受它们共有的miRNA的影响程度，公式如下,corrl,g为RNA1和RNA2之间的相关性系数；corrmk,l为miRNA与RNA1的相关性系数，corrmk,g为miRNA与RNA2的表达量相关性系数，M为RNA1和RNA2共有的miRNA数次；筛选分值大于0.3的结果； 。

全文数据：一种基于miRNA靶基因预测以及相关表达分析进行ceRNA预测的方法技术领域本发明涉及基因工程领域，具体涉及一种基于miRNA靶基因预测以及相关表达分析进行ceRNA预测的方法。背景技术已知microRNA可以通过结合RNA,从而进行转录后表达调控，RNA上的miRNA结合位点成为miRNA反应元件MERs。具有相同MERs元件的RNA分子之间会竞争性结合同一类miRNA，从而进行彼此间的间接调控，这种调控机制成为ceRNA假说竞争性内源RNA,CompetingendogenousRNAs。lncRNA、mRNA、circRNA等同种或者不同种RNA之间都可能竞争miNRA的结合，形成ceRNA调控网络。ceRNA网络的稳定对于维持生物体正常功能有重要意义。目前公开数据库中仅有个别物种的ceRNA信息，有的ceRNA筛选方法没有考虑表达量的影响，有的软件对于输入数据有一定要求，无法满足普遍的ceRNA分析要求。在线的一些分析平台对一次提交的数据量有限制。发明内容为了克服现有技术所存在的上述缺陷，本发明的目的在于提供一种基于miRNA靶基因预测以及相关表达分析进行ceRNA预测的方法。为了实现本发明的目的之一，所采用的技术方案是：一种基于miRNA靶基因预测以及表达相关性分析进行ceRNA预测的方法，包括如下步骤:S1ceRNA作用对的相关性分析：在ceRNA调控网络中，miRNA负调控基因的表达，如果更多的miRNA被lncRNA所占有，那抑制靶标mRNA的miRNA就越少，导致基因的表达量升高，因此，在ceRNA网络中一对mRNA与lncRNA应该符合正相关：因此筛选皮尔逊相关系数高于0.7的RNA关系对。S2根据共有MERs数量进行潜在ceRNA关系对筛选：具有ceRNA关系的RNA对之间共有的miRNA数量符合负二项分布，进行超几何检验，筛选显著的结果；S3根据miRNA与ceRNA作用对三者例如RNA1,RNA2都可以结合miRNA_A，则RNA1和RNA2有可能是一对存在竞争关系的ceRNA之间的表达相关性，采用两种打分方式来评价miRNA对一对竞争的lncRNA-mRNA的调控功能：i调控相似性打分，miRNA与一对ceRNA两者之间的表达相关性之间的相似性越高，结果越可靠；ii敏感相关性打分，一对ceRNA之间的表达相关性与miRNA的介入的关联越高，结果越可靠；S4获取统计检验显著的结果，并将结果按照打分进行排序。在本发明的一个优选实施例中，所述的进行超几何检验，筛选显著的结果为：在本发明的一个优选实施例中，所述的计算敏感相关性为：RNA之间的相关性，减去miRNA与两者的相关性，得到miRNA对两者的敏感性系数。本发明的主要创新点在于：1考虑表达量影响，在对ceRNA进行初步分析后，根据实际测序结果进分析基因间表达相关性，从而对结果进行筛选。2适用于所有物种，对动物和植物采用不同的靶基因预测方法，从而都可以进行ceRNA预测分析。3在进行超几何检验计算时，由于计算复杂度高，脚本运行过程中会出现数字位数溢出的现象，对公式的计算过程进行改进避免这种情况，即超几何检验内存溢出是因为计算时分子和分母的数值非常大，采用约分的思想，先计算除法运算，在进行成积，避免内存溢出。附图说明图1为本发明的流程示意图。图2为RNA1、2相关性示意图。图3为结果示例示意图。具体实施方式以下通过实施例对本发明作进一步的说明，但这些实施例不得用于解释对本发明的限制。参见图1，本发明的分析步骤如下：首先需要准备待分析的RNA和miRNA的表达量数据，及其之间的靶基因互作关系文件。将这些数据输入后直接获取最终结果。作为示例的，该方法在读取相关数据后，进行以下步骤的运算。I采用皮尔逊相关性系数计算长RNA之间的表达相关性，保留相关性系数高于0.7的结果。II整理miRNA与各个靶基因之间的关系，获得由共有miRNA作用对的RNA。III根据RNA之间共有的miRNA数量，进行超几何检验，保留显著性水平小于0.05的结果。III计算调控相似性分值，及miRNA与一对RNA之间相关性的相似性，IV计算敏感相关性，即RNA之间的相关性，减去miRNA与两者的相关性，得到miRNA对两者的敏感性系数。将显著结果按照最后的调控相似性分值和敏感相关性分值进行排序，得到最终的结果。例如，参见图2，RNA1图左和RNA2图右分别是两个长RNA两个可以是mRNA，lncRNA，circRNA等，种类可以相同也可以不同。有四个miRNA图中线条都可以结合到RNA1和RNA2上。则RNA1和RNA2可能是一对有竞争关系的RNA。1首先进行超几何检验：通过RNA1上能结合的所有miRNA数量n红点数量，RNA2上可以结合的所有miRNA数量K绿点数量，以及RNA1和RNA都可以结合的miRNA数量m紫色线条数量，进行超几何检验，其中N为所有待分析的miRNA数量公式如下。2相关性计算：采用皮尔逊相关系数计算RNA1和RNA2之间的表达相关性。筛选相关性系数大于0.7的结果。3计算调控相似性打分：计算miRNA与RNA1的相关系，和miRNA与RNA2的相关性，两个相关性之间的相关性。公式如下，corrmk，l为miRNA与RNA1的相关性系数，corrmk，g为miRNA与RNA2的表达量相关性系数，M为RNA1和RNA2共有的miRNA数次。4敏感相关性打分：计算RNA1和RNA2之间相关性，受它们共有的miRNA的影响程度。公式如下,orrl，g为RNA1和RNA2之间的相关性系数，其他变量同上。筛选分值大于0.3的结果。5结果示例参见图3：其中，第一二列为有ceRNA机制的RNA，第三列为两者共有的miRNA数量，第四五列分别为RNA1和RNA2上结合的所有miRNA数量，第六列为待分析的所有miRNA数量，第七列为超几何检验pvalue，第八列为RNA1和RNA2的表达相关性系数，第九列为调控相似性打分，第十列为敏感相关性分值。

权利要求：1.一种基于miRNA靶基因预测以及表达相关性分析进行ceRNA预测的方法，其特征在于，包括如下步骤:ceRNA作用对的相关性分析：筛选于与lncRNA的皮尔逊相关系数高于0.7的RNA关系对；根据共有MERs数量进行潜在ceRNA关系对筛选：具有ceRNA关系的RNA对之间共有的miRNA数量符合负二项分布，进行超几何检验，筛选pvalue值小于0.05的显著性结果；根据miRNA与ceRNA作用对三者之间的表达相关性，采用两种打分方式来评价miRNA对一对竞争的lncRNA-mRNA的调控功能：i调控相似性打分，miRNA与一对ceRNA两者之间的表达相关性相关性范围在-1～1，绝对值大于0.7为相关，绝对值越大相关性越高之间的相似性越高，结果越可靠；ii敏感相关性打分，一对ceRNA之间的表达相关性与miRNA的介入的关联越高，结果越可靠，该分值大于0.3是，结果显著，分值越高越可靠；获取统计检验显著的结果，并将结果按照打分进行排序。2.如权利要求1所述的一种基于miRNA靶基因预测以及表达相关性分析进行ceRNA预测的方法，其特征在于，所述的计算敏感相关性为：一对RNA之间的相关性，减去miRNA分别与所述一对RNA中的分别两条RNA的相关性，得到miRNA对两者的敏感性系数。

百度查询： 南京派森诺基因科技有限公司 一种基于miRNA靶基因预测以及相关表达分析进行ceRNA预测的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD