|
1.ceRNA、ceRNA调控网络、ceRNA分析等名词经常出现，这些概念到底有啥区别？ ceRNA全称competing endogenous RNA，是一种能够竞争结合RNA的作用元件。通常lncRNA和circRNA会竞争结合miRNA，我们一般把lncRNA和circRNA可以称作ceRNA。ceRNA调控网络全称ceRNAregulation network，指的是有ceRNA参与的整个调控网络。而ceRNA分析指的是对整个ceRNA调控网络进行分析。一般有circRNA-miRNA-mRNA分析或lncRNA-miRNA-mRNA分析。 2.ceRNA调控网络内RNA类型好多，感觉无从下手，切入点不是很明确，有没有一些好的建议？ ceRNA调控网络分析中目前包含四种RNA，即mRNA、miRNA、lncRNA和circRNA。其中miRNA处于调控的核心地位，当miRNA被lncRNA或circRNA这类ceRNA竞争结合时，受miRNA调控的mRNA转录水平会上升。 3.是否mRNA，lncRNA，circRNA和miRNA都具有ceRNA调控机制呢？ 并非如此，ceRNA调控机制作为普遍存在的现象，但是并非任何mRNA，lncRNA，circRNA都能够具有MRE，对于不具有共有MRE的mRNA，lncRNA，circRNA来说，就不存在ceRNA调控机制。也就是说有些lncRNA、mRNA和circRNA很有可能是单身狗。
基于这样一个知识背景，我们来看那些正儿八经的不花钱不动脑的故事是怎样炼成的，甩一张流程图，看完这个，总结一下就是用数据分析构建了ceRNA网络，然后做了qPCR验证，当然是不怎么花钱的。 ceRNA分析流程图 第一步就是差异分析的结果，包括mRNA, miRNA,lncRNA三次，其次基于数据进行lncRNA-mRNA共表达分析，这里我们关心正向相关的lncRNA-mRNA，为啥？因为只有实力均衡，才有资格争夺你们的女神啊（miRNA）。然后，基于数据库预测miRNA-lncRNA，miRNA-mRNA关系对，这里，贴心的小编为你整理出预测工具或在线网站。 1. mirwalk2.0 比较早的一款miRNA靶基因预测软件，支持在线对人类，小鼠，大鼠，狗，牛等物种的miRNA进行靶基因预测分析，能够保持一直更新的在线服务，那都是良心之作呀。 网址：http://zmf.umm./apps/zmf/mirwalk2/index.html 2. starBase v2.0 该数据库采集了6000多份样本，14种癌症来自于37个独立研究的108份CLIP-seq数据，同时辅助降解组实验数据搜寻miRNA的靶标，提供了各式各样的可视化界面去探讨miRNA靶标。除了miRNA和靶标mRNA之间关系，该数据库还进行lncRNA、circRNA、protein与mRNA之间的相互作用分析，并分析了ceRNA机制。该数据库主要包含人、小鼠、线虫3个物种信息。 网址：http://starbase./ 3. TargetScan TargetScan数据库是大家比较常用的预测miRNA靶基因数据库，主要通过搜索和每条miRNA种子区域匹配的保守的8mer和7mer位点来预测靶基因。该数据库提供人、小鼠、大鼠、奶牛、狗、猩猩、恒河猴、负鼠、鸡和青蛙等动物信息。 网址：http://www./ 4. PITA 该数据库基于靶位点的可接性(target-siteaccessibility)和自由能预测miRNA的靶标，是著名的生物信息学家Segal实验室开发的。主要包含human、mouse、fly和worm的信息，使用者可以通过miRNA预测靶基因，也可以通过mRNA预测miRNA信息，无论是miRNA还是mRNA均可通过提供name或ID进行分析。 网址：http://genie./pubs/mir07/mir07_dyn_data.html 5. 另外还有本地软件miranda可以进行miRNA与靶基因的结合位点预测哦。 好了，回到我们的套路上，得到miRNA-lncRNA，miRNA-mRNA关系对后，结合lncRNA-mRNA共表达关系，妥妥的三角恋，故事就开始了——构建ceRNA网络。 ceRNA网络 最后找几对关键的lncRNA-miRNA-mRNA进行qPCR验证。然后就没有然后啦，这样的套路你get到了吗？赶紧收藏吧！ 最后为大家安利一个数据挖掘精品课程，有着十年生物信息分析经验的宋老师，擅长高通量数据分析、项目开发与设计，拥有丰富的线下和线上培训经验。还构建了自助生物信息学分析平台：云生信“www.biocloudservice.com”。 基于生物信息学挖掘高通量（二代测序/基因芯片）数据的关键靶标基因 课程简介 本课程是生信基础班，目的是让临床医生、动植物学研究者了解生信的优势、与自己学科的密切关联，并且学会基于生信的分析思路和实际工具、软件的操作。 学习目标 学会原始芯片/测序数据的查找下载、差异分析、KEGG pathway富集分析、GO富集分析、聚类热图heatmap图制作、蛋白互作关系预测等。 适合人群 对生物信息感兴趣的无基础或者基础较差的学员。 |
|
|
