[發明專利]lncRNA靶基因的預測分析方法、裝置、設備和介質

在審

• 申請號: 202011294079.5
• 申請日: 2020-11-18
• 公開（公告）號: CN112201304A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 馬貝貝;黃龍
• 申請（專利權）人: 上海美吉生物醫藥科技有限公司
• 主分類號: G16B20/00
• 分類號: G16B20/00
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 李治東

本申請提供的一種lncRNA靶基因的預測分析方法、裝置、設備和介質，通過統計每個處理中重復的mRNA表達量之和，并根據表達量過濾掉表達量之和為零的mRNA序列；對mRNA和lncRNA的表達量進行相關性分析，并提取對應的相關性系數和概率P值作為相關性評判標準，以合并去冗余并分別以mRNA文件和lncRNA文件進行存儲；對去冗余后的lncRNA序列按照指定序列數目進行拆分，以分別生成批量任務運行shell腳本，并提交至集群以實現多線程運行。本申請設置過濾方法減少lncRNA待預測的靶基因數量，減少了lncRNA靶基因預測假陽性率，從去除假陽性和多線程角度優化提升lncRNA靶基因預測效率。

技術領域

本發明涉及基因預測技術領域，特別是涉及一種lncRNA靶基因的預測分析方法、裝置、設備和介質。

背景技術

lncRNA是一種序列長度大于200bp的長鏈非編碼RNA序列，以RNA方式結合DNA及轉錄翻譯中間產物，然后參與調控轉錄干擾、轉錄激活、蛋白表達等多個重要生物過程。現有研究對lncRNA調控模式的探索尚無重要發現。因此，lncRNA靶基因預測目前成為lncRNA功能性研究的關鍵。

預測方法是對已預測的lncRNA序列錨定其特定mRNA作為該lncRNA的靶基因，然后通過靶基因功能對lncRNA功能定性注釋。基于此，lncRNA靶基因的精確定位成為lncRNA研究的一項重要內容，而準確高效的靶基因預測成為生物信息技術上的關鍵。

目前lnRNA靶基因預測分為cis作用靶基因預測和trans作用靶基因預測兩種主要方向。cis作用靶基因預測是對lncRNA上下游一定范圍內共表達蛋白編碼基因的預測和功能富集；而trans靶基因預測是基于共表達和序列相似度對lncRNA靶基因預測。兩種預測的差異在于是否基于距離算法，trans靶基因預測中認為靶基因與lncRNA位置不相關。

但是，序列相似度分析是基于能量值計算，需要對序列間相似度進行比對，運算量很大。目前基于能量值的已有lncRNA預測軟件預測速度均較慢，預測時間隨序列數呈線性增加，根據近期研究結果表明，基于算法優化上的lncRNA預測速度提升已達到瓶頸狀態，trans靶基因預測基于序列相似度的評估的算法的預測速度較慢，使得預測效率上存在限制；另外，基于表達量相關性的預測分析準確度相對降低。僅從統計學方法上，對兩個基因的表達量進行相關性分析，在表達量較低的基因中容易出現假陽性。

發明內容

鑒于以上所述現有技術的缺點，本申請的目的在于提供一種lncRNA靶基因的預測分析方法、裝置、設備和介質，以解決現有技術中的問題。

為實現上述目的及其他相關目的，本申請提供一種lncRNA靶基因的預測分析方法，所述方法包括：統計每個處理中重復的mRNA表達量之和，并根據表達量過濾掉表達量之和為零的mRNA序列；對mRNA和lncRNA的表達量進行相關性分析，并提取對應的相關性系數和概率P值作為相關性評判標準，以合并去冗余并分別以mRNA文件和lncRNA文件進行存儲；對去冗余后的lncRNA序列按照指定序列數目進行拆分，以分別生成批量任務運行shell腳本，并提交至集群以實現多線程運行。

于本申請的一實施例中，所述對mRNA和lncRNA的表達量進行相關性分析中，根據樣本數量的不同選擇不同的相關性分析方法。

于本申請的一實施例中，所述根據樣本數量的不同選擇不同的相關性分析方法，包括：若樣本數量小于15，則通過R軟件包Hmsic中的rcorr函數對mRNA和lncRNA的表達量進行相關性分析；反之，若樣本數量大于15，則通過加權共表達網絡分析對mRNA和lncRNA的表達量進行相關性分析。

于本申請的一實施例中，所述提取對應的相關性系數和概率P值作為相關性評判標準，包括：默認提取P0.05的基因，將關聯基因合并去冗余后分別以mRNA和lncRNA儲存。