m6A甲基化及预测方法工具总结
DNA、RNA和蛋白三个层面的可逆修饰示意图(Fu et al. Nature Reviews Genetics, 2014)
DNA和蛋白存在各种修饰,RNA也不例外,目前已知的RNA修饰已经超过上百种。RNA根据编码性可分为编码RNA(protein-coding RNA)和非编码RNA(noncoding RNA)两大类,这些RNA转录后会发生各种修饰,包括N6-腺苷酸甲基化(N6-methyladenosine,m6A)、胞嘧啶羟基化(m5C)、N1-腺苷酸甲基化(m1A)等等。m6A甲基化是真核生物RNA中最常见的一种转录后修饰,大约占到了RNA甲基化修饰的80%左右。
真核生物中mRNA的各种化学修饰(Roundtree et al. Cell, 2017)
m6A甲基化和去甲基化(A)及对下游protein-RNA相互作用的影响 (B)(Roundtree et al. Cell, 2017)
近几年来,RNA甲基化逐渐当今最热门的研究领域之一。因为m6A甲基化的功能至关重要,其异常会与各种疾病的发生、发展密切相关,包括肿瘤或癌症、各种神经性疾病、胚胎发育迟缓等。关于RNA甲基化的文章现在呈现出来了井喷式增长,很多都是发在Nature,Science, Cell等顶级期刊上。
m6A甲基化的生物学通路及相关功能(Lee et al. Cell, 2014)
既然m6A甲基化具有这么重要的功能,且现在研究非常火爆,那我们是否可以预测RNA中的哪些位点会发生潜在的m6A甲基化呢,然后再决定是否有必要继续做相应的实验来验证呢。答案是肯定的!接下来,我们就讲一下有哪些软件或在线工具可以直接根据序列就预测RNA中潜在的m6A甲基化位点。
目前,已经有多个工具相继被开发出来预测RNA中的m6A甲基化位点,这些工具按文章发表时间顺序主要有(更多精彩请关注微信公众号:AIPuFuBio):
1. iRNA-Methyl
发表文章:Chen et al. iRNA-Methyl: Identifying N(6)-methyladenosine sites using pseudo nucleotide composition. Analytical Biochemistry,2015
2. SRAMP
发表文章:Zhou et al. SRAMP: prediction of mammalian N6-methyladenosine (m6A) sites based on sequence-derived features. Nucleic Acids Research, 2016
3. iRNAm5C-PseDNC
发表文章:Qiu et al. iRNAm5C-PseDNC: identifying RNA 5-methylcytosine sites by incorporating physical-chemical properties into pseudo dinucleotide composition. Oncotarget, 2017
4. M6AMRFS
发表文章:Qiang et al. M6AMRFS: Robust Prediction of N6-Methyladenosine Sites With Sequence-Based Features in Multiple Species. Frontiers in Genetics, 2018
5. M6APred-EL
发表文章:Wei et al. M6APred-EL: A Sequence-Based Predictor for Identifying N6-methyladenosine Sites Using Ensemble Learning. Molecular Therapy: Nucleic Acids, 2018
6. DeepM6ASeq
发表文章:Zhang et al. DeepM6ASeq: prediction and characterization of m6A-containing sequences using deep learning. BMC Genomics, 2018
上面的这些软件可以预测RNA中的m6A甲基化位点,那么如何进一步注释m6A甲基化的功能呢?具体可用如下工具:
软件名称:m6Acomet
发表文章:Wu et al. m6Acomet: large-scale functional prediction of individual m6 A RNA methylation sites from an RNA comethylation network. BMC Bioinformatics, 2019
所以,大家如果对某条或某些RNA感兴趣,只需找到对应的RNA碱基序列,就可以利用本文中的提到的6款软件来预测RNA序列中潜在的m6A甲基化位点。如果需要进一步预测m6A甲基化位点的功能,则可利用如m6Acomet软件。这些软件可允许用户大规模预测RNA中m6A甲基化位点,克服了实验只能同时验证少量RNA序列的缺点。而且,这些软件预测的结果,可以进一步缩小实验验证的范围,从而节省研究时间和降低实验失败的风险。(更多精彩,可见大型免费综合生物信息学资源和工具平台AIPuFu:www.aipufu.com,关注微信公众号:AIPuFuBio)。
希望今天的内容对大家有用,会持续更新经典内容,欢迎留言~~
参考文献
1. Fu et al. Gene expression regulation mediated through reversible m⁶A RNA methylation, Nature Reviews Genetics, 2014
2. Roundtree et al. Dynamic RNA Modifications in Gene Expression Regulation, Cell, 2017
3. Lee et al. Emerging Roles of RNA Modification: m6 A and U-Tail, Cell, 2017
m6A甲基化及预测方法工具总结的更多相关文章
- 【转】ArcGIS 创建切片缓存方法工具总结
ArcGIS 创建切片缓存方法工具总结 http://wenku.baidu.com/link?url=Bm8AkmcJBzfiyat9N_Me6vlfSHEDCC_D1qBk5IB4X4CIDeKI ...
- IAR Embedded Workbench 破解方法+工具+授权文件
转自IAR Embedded Workbench 破解方法+工具+授权文件 本文重点阐述了如何手动爆破 IAR EWARM 6.x以及生成License,目的一是和大家分享下,二是自己记录下过程,以便 ...
- UE4 性能优化方法(工具篇)
本文依据UE4官方文档以及官方博客等总结而来,可能不全面,后面会陆续添加.内置工具的详细说明请参考官方文档. 游戏帧率很低,或者有卡顿的现象,可能会有很多原因,这时候不要乱猜,比如是不是人物太多了或者 ...
- 利用 Traceview 精准定位启动时间测试的异常方法 (工具开源)
机智的防爬虫标识原创博客地址:http://www.cnblogs.com/alexkn/p/7095855.html博客求关注: http://www.cnblogs.com/alexkn 1.启动 ...
- 基于保守性和规则性的预测方法SIFT和PolyPhen
有什么特征可以帮助我们来区分导致功能和表型变化的变异和其他变异,然后我们如何综合特征来做出一个预测模型? 表型或功能的改变(phenotypical/functional effect)a,个体表型上 ...
- C#窗体间传值的简便方法/工具
一.问题:窗体间传值必须需要窗体之间有联系,具体有如下方式 窗体间传值涉及到窗体A必须拥有窗体B,这样才可以实现A-B之间传值 窗体A与窗体B在窗体/实例C中,A-B可互相通讯 其他方式,不细讨论,复 ...
- http各类型请求方法工具总结
本文为博主原创,未经允许不得转载: 在项目中会用到各种类型的http请求,包含put,get,post,delete,formData等各种请求方式,在这里总结一下 用过比较好的请求工具,使用serv ...
- 判别或预测方法汇总(判别分析、神经网络、支持向量机SVM等)
%% [Input]:s_train(输入样本数据,行数为样本数,列为维数):s_group(训练样本类别):s_sample(待判别数据)%% [Output]:Cla(预测类别) function ...
- JavaBean的toString方法工具类
import java.lang.reflect.Field;import java.lang.reflect.InvocationTargetException;import java.lang.r ...
随机推荐
- 并发编程(3)——ThreadPoolExecutor
ThreadPoolExecutor 1. ctl(control state) 线程池控制状态,包含两个概念字段:workerCount(线程有效数量)和runState(表示是否在运行.关闭等状态 ...
- ethtool工具使用实例
使用ethtool工具可以查看和修改网卡(NIC卡)设备配置,下面我们来看ethtool的具体用法. 1.显示网卡属性 ethtool命令后直接跟网卡名称,可以显示关于该网卡的属性值: # ethto ...
- 【hdu 2544最短路】【Dijkstra算法模板题】
Dijkstra算法 分析 Dijkstra算法适用于边权为正的情况.它可用于计算正权图上的单源最短路( Single-Source Shortest Paths, SSSP) , 即从单个源点出发, ...
- python3虚拟环境中解决 ModuleNotFoundError: No module named '_ssl'
前提是已经安装了openssl 问题 当我在python3虚拟环境中导入ssl模块时报错,报错如下: (py3) [root@localhost Python-3.6.3]# python3 Pyth ...
- 渗透之路基础 -- SQL注入
目录 mysql注入(上) limit 有两个参数 limit 2,3 表示从2开始查3条 通过MySql内置数据库获取表名 通过MySql内置数据库获取表名对应的列名 mysql注入(中) SQL常 ...
- yolo v2
https://blog.csdn.net/wfei101/article/details/79398563 https://blog.csdn.net/oppo62258801/article/de ...
- 《HelloGitHub》第 41 期
兴趣是最好的老师,HelloGitHub 就是帮你找到兴趣! 简介 分享 GitHub 上有趣.入门级的开源项目. 这是一个面向编程新手.热爱编程.对开源社区感兴趣 人群的月刊,月刊的内容包括:各种编 ...
- [系列] go-gin-api 规划目录和参数验证(二)
目录 概述 规划目录结构 模型绑定和验证 自定义验证器 制定 API 返回结构 源码地址 go-gin-api 系列文章 概述 首先同步下项目概况: 上篇文章分享了,使用 go modules 初始化 ...
- nanopi NEO2 学习笔记 2:安装 pip 和 pip 安装第三方模块
我现在越来越喜欢用python做开发了,特别是知道了python还能用rpi.gpio库操作 NEO2 的 io 口之后,更是激动 在进行一下的操作之前,要先更换国内的 apt arm64 源,并更新 ...
- python 27 异常处理
目录 异常处理 1. 错误分类 2. 异常 3. 异常处理 4. 异常处理的两种方法 5. try的结构 5.1 结构一:单分支结构 5.2 结构二:多分支结构 5.3 结构三:万能异常 5.4 结构 ...