RNA二级局部结构的鉴定

RNA二级结构中有AU、GC、GU三种碱基配对模式。连续的碱基配对相互堆积而构成茎（stem），茎在三维空间中呈现出一段双螺旋结构，中间若出现少数不配对的碱基则会形成凸环（bulge loop）或内环（interior loop）。相邻连续的一段序列因两端互补而回折，就会形成像发卡一样的结构，连茎带环形象地称之为发卡环（hairpin loop）。连接各发卡环而未能配对的区域则叫做多分支环（multi-branched loop），序列末端没有形成配对的单链叫做自由单链（unstructured single strand）。这些基本结构单元又可称之为RNA二级结构的基序（motif）。

RNA二级结构特点

• 由自身序列折叠形成配对区和不配对区的多种组合模式，如配对的双链RNA螺旋、发卡环、凸环、内环、多分支环，不配对的自由单链；
• 互补配对：C与G互补配对，需要三对氢键相互作用，十分稳定；A与U互补配对，需要二对氢键相互作用；
• 不稳定配对：G与U配对，仅需一对氢键相互作用，不稳定。

 图1. RNA二级局部结构茎区及环的示意图。

RNA局部结构鉴定方法

MicroRNA局部结构的识别方法大致可以分为3类：基于序列或结构保守性的方法、基于实验数据驱动以及基于机器学习的方法。

• 基于序列或结构保守性的方法
  

  在RNA分子中，结构保守性一般大于序列的保守性。如绝大多数tRNA分子的二级结构都是三叶草型结构，三级结构呈倒L型，而它们的核苷酸序列却存在部分差异。比较序列分析法可以按照序列比对与结构预测的先后顺序分为三种：先比对后预测，如Pfold；先预测后比对，如MARNA；结构预测与序列比对同时进行，如RNAStructure。

• 基于实验数据驱动的方法
  

  基于新实验数据方法的提出得益于“深度测序”技术的发展，通过生物信息学工具对大规模的序列数据进行处理、注释以及新的特征描述，从而发现新的MicroRNA序列。

• 基于机器学习的方法
  

  MicroRNA的序列和结构特征的机器学习方法，基于阳性和阴性的MicroRNA样本构建分类器预测未知序列。如输入待测MicroRNA的一组特征（发夹等），输出1或0表示候选对象是否是MicroRNA。机器学习的算法一般包括支持向量机（SVM）、神经网络、隐型马尔可夫模型（HMM）和朴素贝叶斯模型（NB）等。

安必奇生物提供以上三种方法对MicroRNA局部可杂交的区域，如联合序列、内环、10个或10个以上连续核苷酸的发夹结构等进行合理的预测分析。已有研究表明，高度保守的基序是MircroRNA Agomir/ Antagomir的良好靶标，而可变的局部基序可能会导致非序列特异性效应，所以预测RNA二级局部结构中的高度保守的基序，并把它们作为靶标，是提高MircroRNA Agomir/ Antagomir命中率的有力方式。

如果您想知道更多相关的服务信息，请通过热线电话或是E-mail ()与我们联系，我们的技术人员将在24小时内回复您的所有问题及要求。

热门服务:

• GC含量计算
• RNA二级结构的预测分析
• 结合能预测分析