1.非編碼RNA簡介
非編碼RNA是一類被認為不具備編碼能力RNA，目前已知的已經有十多種，主要包括了：小RNA(sRNA) <40nt、小干擾RNA、miRNA(18-24nt)、長非編碼lncRNA(>200nt)、核糖體RNA、核小RNA、核仁小RNA等等。隨著人們認知的逐漸深入，發現這些非編碼RNA在轉錄調控上發揮著重要的作用，并且其他部分同樣具有編碼蛋白的功能。
1.1 lncRNA結構
在非編碼RNA中，有一類長度超過200 nt的RNA分子，被稱為長鏈非編碼RNA。非編碼RNA的來源包括基因間轉錄本、增強子RNA、正義/反義轉錄本等。研究發現一些lncRNA與mRNA非常相似，同樣具有5'帽子結構和polyA尾巴，區別是不具有開放讀碼框(open reading frame, ORF)。在lncRNA的形成過程中，lncRNA的轉錄由RNA聚合酶II/III所引導，并且大多數lncRNA和mRNA一樣具有polyA尾巴。然而，某些lncRNA有著不同的加工修飾途徑，其加工過程與tRNA形成過程較為相似，其初始轉錄本的3'端同樣會經過RNase P的切割，形成一段類似于tRNA的mascRNA (MALAT1-associated small cytoplasmic RNA)。
1.2 lncRNA功能與特征
lncRNA最重要的生物學功能之一就是可以與特定蛋白相結合，進而發揮相應的作用。有些支架蛋白或RBP在與作為骨架的lncRNA結合后，促使大分子復合物的形成和激活，能夠進一步激活下游通路或直接發揮作用。一部分lncRNA可通過與蛋白結合順式地作用于某些基因的轉錄起始位點，進而調節基因轉錄。lncRNA也可以直接與DNA序列結合，從而形成RNA-DNA三股螺旋復合物，使得染色質構象處于開放狀態，促進基因的轉錄。其他lncRNA則具有輔助抑制因子的功能，可與特定轉錄因子結合，阻礙其與DNA的結合，而抑制RNA聚合酶的活性。此外，lncRNA在染色質結構重建和三維結構中也起著重要作用，可通過與染色質修飾復合物或增強子元件結合，促進激活子活性。此外，反義lncRNA與相重疊的蛋白編碼基因可以相互抑制其基因的表達。近年來，有研究表明lncRNA也是一種重要的內源性競爭抑制ncRNA,可作為miRNA的抑制因子，調節其miRNA對靶基因的負向調控作用。到目前為止，已經有大量的lncRNA-miRNA-mRNA作用通路被揭示并研究了其在各種疾病或者發育進程中的作用。盡管大多數lncRNA不具有編碼能力，仍然有研究或預測分析發現有少部分lncRNA具有編碼能力，可以翻譯形成小分子量的蛋白質。
2. lncRNA鑒定
lncRNA預測軟件主要有2種方法，一種是直接預測其是否含有ORF元件或同源預測的方法;另一種是基于機器學習的方法,常見的方法包括：線性回歸算法、支持向量機（SVM）、或者隨機森林、深度學習等。目前主流的方法是采用機器學習算法鑒定lncRNA。
2.1 機器學習鑒定lncRNA
從是否有參考來看可以分為有參類和無參類。
2.1.1 有參考的鑒定策略
CPC是典型的有參類鑒定軟件，它基于SVM算法設計，被廣泛使用在lncRNA的鑒定上，是目前公司的主要鑒定方法。然而CPC預測lncRNA并沒有想象中的這么美好。首先，CPC 本身就不為 lncRNA 鑒定而設計的，它可以根據 BLASTX 的開放閱讀框信息和比對結果預測lncRNA ，lncRNA不如mRNA 保守，高比例的 lncRNA 表現出許多類似于蛋白質編碼序列的特征 。這會使流程錯誤地將lncRNA 歸類為mRNA。其次，CPC 需要一個高質量且相當全面的數據庫，但許多物種的注釋信息并不完整，甚至缺少有效的參考基因組。其次，CPC 嚴重依賴 BLASTX 的輸出，但多序列比對工具不能保證最佳比對。最后，極其耗時的比對過程使得在海量數據上使用CPC耗時耗力，需要高昂的運算條件和資源。
2.1.2 無參考的鑒定策略
基于CPC的尷尬使用范圍，和不算優秀的可靠性，人們又開發了一系列無參類軟件，如CPC2, CNCI, lncRNA MFDL, lncScore, LncADeep, DeepLNC, LncRNAnet, COME, CPAT, lncRScan-SVM, longdist, PLEK, FEElnc, 和LncFinder等。
就LncFinder的作者對同類的深度學習軟件進行對比，結果如下圖所示：
LncFinder在各類數據集中基本都有最佳的表現。對于人類和小鼠數據集，CPC 的特異性最高，但敏感性最低，這種不平衡性使得它的綜合性能較差。CPC2 僅使用序列內在特征預測 lncRNA，且在人類數據集上的表現比CPC好很多；但是，CPC2 在小鼠數據集上的性能略低于 CPC。對于其他無需對齊的識別工具，CPAT 的準確率高于 CPC、CNCI 和 PLEK，但低于 LncFinder。即使排除了二級結構衍生特征，LncFinder 在人類和小鼠數據集上也取得了最佳性能。加之LncFinder是一個R包可以在各個平臺上進行使用，速度也相當的快，不失為一種新lncRNA-seq流程的鑒定工具。
下一期我們將帶來LncFinder包的生信實戰
最后：如果想了解更多和生信或者精品咖啡有關的內容歡迎關注我的微信公眾號：生信咖啡，更多精彩等你發現！
