中科院北京生科院團隊發(fā)表不編碼蛋白質(zhì)識別新技術

  非編碼RNA（Non-coding RNA）是指不編碼蛋白質(zhì)的RNA。其中包括rRNA，tRNA，snRNA，snoRNA和microRNA等多種已知功能的RNA，還包括未知功能的RNA。這些RNA的共同特點是都能從基因組上轉(zhuǎn)錄而來，但是不翻譯成蛋白，在RNA水平上就能行使各自的生物學功能了。
  2017年2月28日，國際學術期刊Briefings in Bioinformatics發(fā)表了中國科學院北京生命科學研究院趙方慶團隊題為“Circular RNA identification based on multiple seed matching”的最新研究成果。目前環(huán)形RNA的識別存在著假陽性率高、敏感度不夠等問題，該研究提出了全新的多重種子匹配算法及最大似然估計模型，可以精確識別環(huán)形RNA接頭序列，顯著提升環(huán)形RNA識別效率。

  目前已有的環(huán)形識別算法均基于對環(huán)形RNA接頭序列的查找，可分為基于注釋的算法以及從頭預測的算法。然而，由于真核生物轉(zhuǎn)錄的復雜性及環(huán)形RNA分子的特殊性，兩類識別算法均面臨著靈敏度低、可靠性差、運算時間長或內(nèi)存使用高等問題，其應用也因此受到限制。此外，對上述識別算法的評價體系卻仍主要依賴模擬數(shù)據(jù)，難以對相關算法在真實轉(zhuǎn)錄數(shù)據(jù)中的表現(xiàn)進行客觀衡量。

  針對此現(xiàn)狀，趙方慶團隊提出基于多重種子匹配策略的算法，針對比對質(zhì)量較低的基因組區(qū)域，按長度降序進行種子序列提取，并將之與前后側翼基因組區(qū)域進行快速匹配。同時，建立了最大似然估計模型，判斷該種子序列的真實來源，并排除來自線性轉(zhuǎn)錄本或剪接副產(chǎn)物的干擾，從而極大提高了環(huán)形RNA分子識別的精度。該研究摒棄了偏差較大的模擬數(shù)據(jù)評測方法，采用 RNase R降解前后真實轉(zhuǎn)錄數(shù)據(jù)的比對體系，對10種已有算法進行全面的評測比較。結果顯示本研究建立的方法在包含靈敏度與可靠性在內(nèi)的綜合表現(xiàn)（F1得分）上具有明顯的優(yōu)勢，其并行模式還可進一步提升運算速度及內(nèi)存使用效率。該算法與此團隊開發(fā)的CIRI， CIRI-AS等分析工具（Genome Biology， 2015； Nature Communications， 2016）實現(xiàn)無縫銜接，將進一步促進環(huán)形RNA組成及功能等方面的研究。

　該工作由趙方慶課題組的研究生高遠和張金陽完成，得到了國家自然科學基金委和中國科學院的經(jīng)費支持。