转载:http://www.oebiotech.com/Article/mirnabjyyc.html

http://www.ebiotrade.com/newsf/2014-9/201492594150379.htm

miRNA自从被发现以来,一直备受关注,俨然已成为非编码RNA家庭中永不凋零的“玫瑰”。关于miRNA,主要有两个研究方向,其一是作为biomarker,这方面研究仅需足够庞大的临床样本支撑即可;miRNA的另一研究方向为功能机制研究,此时必须有miRNA靶基因的参与,可是如何确定miRNA调控的靶基因呢?接下来小编为您整理了常用miRNA靶基因预测分析数据库,供您参考~

1.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。最新更新时间为2015年8月,版本为V7.0。

链接:http://www.targetscan.org/


该数据库支持通过miRNA预测靶基因,也支持通过mRNA预测相关的miRNA。

2.PITA

该数据库基于靶位点的可接性(target-site accessibility)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。

链接:http://genie.weizmann.ac.il/pubs/mir07/mir07_dyn_data.html


该数据库允许对靶关系的预测和下载。

3.miRBase

miRBase数据库是一个提供包括已发表的miRNA序列数据、注释、预测基因靶标等信息的全方位数据库,是存储miRNA信息最主要的公共数据库之一。该数据库于2014年6月更新为最新版本V21.0,包含223个物种的35828个成熟的miRNA序列。该数据库提供便捷的网上查询服务,允许用户使用关键词或序列在线搜索已知的miRNA和靶标信息(仅包含已有的靶标信息,所以会出现部分miRNA靶标信息无的现象)。该数据库用于miRNA信息查询较多,靶关系预测较少。

链接:http://www.mirbase.org/


使用者可利用miRNA的name、ID、染色体位置、序列进行搜索、查询相关信息。

4.microRA.org

该数据库提供了关于人类、小鼠、大鼠、果蝇和斑马鱼基因组的microRNA靶目标的预测信息以及miRNA在不同组织的表达谱,支持通过miRNA预测靶基因,也支持通过mRNA分析相关的miRNA。最新更新时间为2010年,好久不更新啦~

链接:http://www.microrna.org/


5.miRTarBase

该数据库主要收集的是被实验验证的miRNA靶标,同时提供支持搜索结果的文献或方法,最新更新于2015年9月。该数据库支持浏览、搜索和数据下载。

链接:http://mirtarbase.mbc.nctu.edu.tw/


该数据库可以通过不同方面进行查询,例如miRNA、gene、disease、pathway等。

6.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。

链接:http://starbase.sysu.edu.cn/


注:本数据库更倾向于利用mRNA搜索相关miRNA信息哦。

除上述比较常用的数据库外,还有MicroRNAdb、miRWalk、PicTar、RNA22等miRNA靶基因预测分析数据库,但这些数据库与以上所列数据库除了鉴定靶基因标准有些许差异外,其他方面大同小异,小编认为好用数据库掌握几款足以,如果各位看官对其它数据库感兴趣,闲暇时可自行尝试哦。

5、预测和鉴定miRNA的靶基因的更多相关文章

  1. miRNA分析--靶基因预测(三)

    miRNA分析--数据过滤(一) miRNA分析--比对(二) 根据miRNA Target Prediction in Plants, miRNA并非所有区域都要求严格匹配,其中第1位碱基和第14位 ...

  2. HOMER | MEME | 转录因子的靶基因预测

    Finding Enriched Motifs in Genomic Regions (findMotifsGenome.pl) 在指定区域做motif enrichment,大大降低了假阳性. ME ...

  3. miRNA

    MicroRNA (miRNA)  是一类内生的.长度约为20-24个核苷酸的小 RNA,其在细胞内具有多种重要的调节作用.每个 miRNA 可以有多个靶基因的表达,而几个 miRNA 也可以调节同一 ...

  4. miRNA 基本知识

    miRNA MicroRNA (miRNA)  是一类内生的.长度约为20-24个核苷酸的小 RNA,其在细胞内具有多种重要的调节作用.每个 miRNA 可以有多个靶基因的表达,而几个 miRNA 也 ...

  5. miRTarBase 数据库简介

    miRTarBase 是一个手 收集的,经过实验验证过miRNA靶基因的数据库,对于每条miRNA靶基因的记录, 都会赋予1个唯一的 miRNA-target interactions (简称MTs) ...

  6. miRNA|housekeeping|RNAi|siRNA|Oncomirs|miRBase|PMRD|TargetScan|miRDeep|miRNA target|seed regions|

    生物信息学-miRNA 转录组的分类: Noncoding RNA可分为负责Regulatory和housekeeping,housekeeping就是组织日常功能miRNA便是Regulatory ...

  7. 植物 miRNA 研究

    相比动物miRNA 而言, 植物miRNA 的研究相对较少. 植物miRNA 相比动物miRNA , 有以下特点: 1) 植物miRNA 的长度为 21 nt 左右, 动物miRNA 长度在 22 ~ ...

  8. Mol Cell Proteomics. | 用于鉴定新型融合转录本及其在癌细胞中的潜在翻译产物的多功能蛋白质组基因组学工具FusionPro

    期刊:Molecular & Cellular Proteomics 发表时间:June 17, 2019 DOI:10.1074/mcp.RA119.001456 分享人:任哲 内容与观点: ...

  9. 【GS文献】基因组选择在植物分子育种应用的最新综述(2020)

    目录 1. 简介 2. BLUP类模型 3. Bayesian类模型 4. 机器学习 5. GWAS辅助的GS 6. 杂交育种 7. 多性状 8. 长期选择 9. 预测准确性评估 10. GS到植物育 ...

随机推荐

  1. [原创]java WEB学习笔记31:会话与状态管理 session机制 概述(定义,session机制,session的声明周期,保存session的方式,Session的创建与删除)

    本博客为原创:综合 尚硅谷(http://www.atguigu.com)的系统教程(深表感谢)和 网络上的现有资源(博客,文档,图书等),资源的出处我会标明 本博客的目的:①总结自己的学习过程,相当 ...

  2. [原创]java WEB学习笔记24:MVC案例完整实践(part 5)---删除操作的设计与实现

    本博客为原创:综合 尚硅谷(http://www.atguigu.com)的系统教程(深表感谢)和 网络上的现有资源(博客,文档,图书等),资源的出处我会标明 本博客的目的:①总结自己的学习过程,相当 ...

  3. nova 为何要做互信

    1.计算节点为什么要做nova 的互信? nova 做resize 或者冷迁移需要两台计算节点做互信. 原因:resize(冷迁移)实际上是运行scp 文件到另一台主机上,如下的命令 Command: ...

  4. 《python基础教程(第二版)》学习笔记 语句/循环/条件(第5章)

    <python基础教程(第二版)>学习笔记 语句/循环/条件(第5章) print 'AB', 123 ==> AB 123 # 插入了一个空格print 'AB', 'CD' == ...

  5. 大话设计模式--外观模式 Facade -- C++实现实例

    1.  外观模式: 为子系统中的一组接口提供一个一致的界面,此模式定义了一个高层接口,这个接口使得这个子系统更加容易使用. 外观模式的使用场合: A: 设计初期阶段,应该要有意识的将不同的两个层分离. ...

  6. BZOJ 2431 [HAOI2009]逆序对数列:dp 逆序对

    题目链接:http://www.lydsy.com/JudgeOnline/problem.php?id=2431 题意: 给定n,k,问你有多少个由1~n组成的排列,使得逆序对个数恰好为k个. 题解 ...

  7. kaggle 欺诈信用卡预测——不平衡训练样本的处理方法 综合结论就是:随机森林+过采样(直接复制或者smote后,黑白比例1:3 or 1:1)效果比较好!记得在smote前一定要先做标准化!!!其实随机森林对特征是否标准化无感,但是svm和LR就非常非常关键了

    先看数据: 特征如下: Time Number of seconds elapsed between each transaction (over two days) numeric V1 No de ...

  8. Django 模版当中使用中文 UnicodeDecodeError at / 问题

    Django 再次是当中字符编码问题 今天使用了bootstrap 当中的一些CSS 对自己的博客项目当中的一些东西进行美化 但是很奇怪的是 当 诸如按钮类的加入 中文字符后 就会提示 Unicode ...

  9. UI层自动化测试介绍

    UI指的是用户可以用肉眼可以看到的页面. UI层自动化测试的原理.不论是web端还是移动端,原理都是一样的,就是基于页面元素的识别和定位来进行模拟用户行为. 首先识别到某个元素,比如一个按钮,然后定义 ...

  10. linux vsftpd 服务配置

    vsftpd.conf配置如下: # Example config file /etc/vsftpd/vsftpd.conf # # The default compiled in settings ...