动物所piRNA的高精度预测算法研究获得突破

　　第二代测序技术又称作深度测序技术，应用到RNA上统称作RNA-seq或RNA测序，它已成为基因表达和转录组分析的重要手段。第二代转录组测序数据中含有大量不编码蛋白质的ncRNA序列，因为它们像宇宙中的暗物质一样难以识别和有重要功能，也被称为“基因组暗物质”。由于数据量巨大，保守性差，又有噪音干扰，这些“暗物质”的识别成为表观遗传学和调控网络研究的瓶颈。piRNA是数量最大的一类ncRNA，主要是通过与转座子的序列互补来控制转座子的表达，进而调控生殖和发育。由于不同物种的piRNA之间同源性很差，至今国际上还没有有效的识别方法。

　　中国科学院动物研究所康乐研究组的张屹等最近发表的题为A k-mer scheme to predict piRNA and characterize locust piRNA 的最新研究论文，解决了高精度预测生物体中数量最大的一类非编码RNA---piRNA的难题，论文发表在生物信息学权威期刊《生物信息学》（Bioinformatics，IF=4.926）上。

　　这篇文章中提出了一种基于k-mer串频率的Fisher判别式来预测piRNA的算法, 精度达90%以上，超过了哈佛大学B. Doron的61%的精度。利用该方法，他们成功地鉴定出飞蝗8万多条piRNA，预测飞蝗可能存在约13万条piRNA。进一步分析发现，这些piRNA在飞蝗群居型和散居型间存在巨大差异，这可能为解释飞蝗两型生殖力差异提供了重要的线索。

　　这个不依赖基因组数据来鉴定非模式生物piRNA的新方法具有重要的理论意义和广泛的应用价值。目前，在线软件piRNApredictor (http://59.79.168.90/piRNA/index.php) 已被国外科研机构用于猪的piRNA研究中。 

　　piRNA预测算法的突破为其它ncRNA的预测提供了重要的启示：不保守的ncRNA是可以预测的。由于该算法理论的普遍性，该方法不仅可以预测其它物种的piRNA，还可以通过变更训练集来预测其它种类的ncRNA。而且，在线软件给出的piRNA高精度预测结果，对表观遗传学、调控网络与piRNA功能的进一步研究有重要理论意义和应用价值。