中科院北京生科院團(tuán)隊(duì)發(fā)表不編碼蛋白質(zhì)識(shí)別新技術(shù)

  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(diǎn)是都能從基因組上轉(zhuǎn)錄而來(lái)，但是不翻譯成蛋白，在RNA水平上就能行使各自的生物學(xué)功能了。
  2017年2月28日，國(guó)際學(xué)術(shù)期刊Briefings in Bioinformatics發(fā)表了中國(guó)科學(xué)院北京生命科學(xué)研究院趙方慶團(tuán)隊(duì)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(shí)別存在著假陽(yáng)性率高、敏感度不夠等問(wèn)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(jì)模型，可以精確識(shí)別環(huán)形RNA接頭序列，顯著提升環(huán)形RNA識(shí)別效率。

  目前已有的環(huán)形識(shí)別算法均基于對(duì)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(yù)測(cè)的算法。然而，由于真核生物轉(zhuǎn)錄的復(fù)雜性及環(huán)形RNA分子的特殊性，兩類識(shí)別算法均面臨著靈敏度低、可靠性差、運(yùn)算時(shí)間長(zhǎng)或內(nèi)存使用高等問(wèn)題，其應(yīng)用也因此受到限制。此外，對(duì)上述識(shí)別算法的評(píng)價(jià)體系卻仍主要依賴模擬數(shù)據(jù)，難以對(duì)相關(guān)算法在真實(shí)轉(zhuǎn)錄數(shù)據(jù)中的表現(xiàn)進(jìn)行客觀衡量。

  針對(duì)此現(xiàn)狀，趙方慶團(tuán)隊(duì)提出基于多重種子匹配策略的算法，針對(duì)比對(duì)質(zhì)量較低的基因組區(qū)域，按長(zhǎng)度降序進(jìn)行種子序列提取，并將之與前后側(cè)翼基因組區(qū)域進(jìn)行快速匹配。同時(shí)，建立了最大似然估計(jì)模型，判斷該種子序列的真實(shí)來(lái)源，并排除來(lái)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(shí)別的精度。該研究摒棄了偏差較大的模擬數(shù)據(jù)評(píng)測(cè)方法，采用 RNase R降解前后真實(shí)轉(zhuǎn)錄數(shù)據(jù)的比對(duì)體系，對(duì)10種已有算法進(jìn)行全面的評(píng)測(cè)比較。結(jié)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(shì)，其并行模式還可進(jìn)一步提升運(yùn)算速度及內(nèi)存使用效率。該算法與此團(tuán)隊(duì)開(kāi)發(fā)的CIRI， CIRI-AS等分析工具（Genome Biology， 2015； Nature Communications， 2016）實(shí)現(xiàn)無(wú)縫銜接，將進(jìn)一步促進(jìn)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(yuǎn)和張金陽(yáng)完成，得到了國(guó)家自然科學(xué)基金委和中國(guó)科學(xué)院的經(jīng)費(fèi)支持。