筛选siRNA序列以降低脱靶效应的方法及系统技术方案

本发明专利技术涉及siRNA序列筛选生物信息技术领域，尤其涉及筛选siRNA序列以降低脱靶效应的方法及系统。该方法包括获取siRNA候选序列数据和特征数据，根据特征数据建立机器学习模型，利用训练集对机器学习模型进行训练并得到siRNA序列筛选模型，提取测试集中的数据，输入至siRNA序列筛选模型，即可得到筛选评分，筛选评分最高者，即为最优siRNA。采用该方法及系统不仅筛选效率、精确度、敏感度、特异性和MCC值均显著高于对比例，并且不存在训练多度的情况发生；并且几乎可以免于siRNA对靶mRNA的脱靶效应产生，对将来siRNA干扰效率预测领域有重要参考价值。要参考价值。要参考价值。

【技术实现步骤摘要】
筛选siRNA序列以降低脱靶效应的方法及系统


[0001]本专利技术涉及siRNA序列筛选生物信息
，尤其涉及筛选siRNA序列以降低脱靶效应的方法及系统。

技术介绍

[0002]RNA干扰(siRNA)是自然界普遍存在的导致目标mRNA降解的生物现象。以siRNA为基础的基因沉默已经成为功能基因分析的高效工具，有试验结果表明，反义RNA通过与mRNA序列互补结合，抑制了基因的表达。siRNA的沉默作用非常强大，在细胞中1～3个双链siRNA就可以介导基因沉默。siRNA是由Dicer酶剪切双链RNA(dsRNA)产生的，并可与酶复合物结合成RNA
‑
induced silencing complex(RISC)，双链、iRNA解旋成单链，然后通过其反义链与目标mRNA结合，促进目标mRNA的酶性降解。siRNA成功的关键取决于siRNA和mRNAs有效地相互作用，因此设计高效特异的siRNA成为siRNA应用过程中极具挑战性问题。目前，已有许多高效siRNA的设计网站，但是对siRNA的高效性起决定作用的特征参数并不是很清楚。siRNA与mRNA之间复杂的作用机制决定了siRNA序列中各个位置的碱基必然有一定的偏好胜，然而现有的siRNA设计规则存在很多的不一致，这些规则的机制也并不完全清楚，从而导致了现有的siRNA设计不能很好抑制靶基因的表达，影响了siRNA技术的发展。多项研究已经证明，这些规则并不是完全适用于所有的靶基因，对于不同的目标基因来说，它们的价值不同，这就需要对现有的siRNA设计规则进行重新认识，并进一步优化，以减少由于设计规则的不一致性带来的影响。
[0003]大量生物试验表明，结合在同一mRNA不同靶点的siRNA具有不同的沉默效率。鉴于通过生物实验的方式寻找mRNA上合适的siRNA结合靶点效率高、免于脱靶或者脱靶率低、成本高、周期长、干扰因素多，借助计算机技术预测mRNA上合适的siRNA结合靶点具有显著意义。早期，siRNA沉默mRNA的靶点预测主要依据研究人员观察siRNA结合mRNA靶点样本上各种碱基出现的频次，效率较低，也难以得到最优结果。随着siRNA结合mRNA靶点样本的增加以及机器学习方法的兴起，通过提取siRNA结合mRNA靶点的碱基序列特征，再利用大样本数据训练预测模型，大幅提高了siRNA沉默mRNA的靶点预测效率和准确性。但是，现有的预测模型仅考虑siRNA结合mRNA靶点的碱基序列特征，并没有考虑结合mRNA靶点处的RNA二级结构特征，导致预测效果仍不能令人满意。

技术实现思路

[0004]为解决或缓解上述部分技术问题，因此，本专利技术提出一种新的筛选siRNA序列以降低脱靶效应的方法及系统。该方法采用了全新的机器学习模型和训练方法，对候选siRNA进行筛选评分，更加评分最高者筛选得到最合适的siRNA。采用该方法及系统不仅筛选效率、精确度、敏感度、特异性和MCC值均显著高于对比例，并且不存在训练多度的情况发生；并且几乎可以免于siRNA对靶mRNA的脱靶效应产生，对将来siRNA干扰效率预测领域有重要参考价值。为此，本专利技术提供了以下技术方案：
[0005]第一方面，本专利技术提供了一种获得免于脱靶miRNA的siRNA序列筛选方法，其特征在于，包括：
[0006]S100、获取siRNA候选序列数据；
[0007]S200、根据siRNA候选序列数据提取特征数据，并将特征数据组成训练集和测试集；所述特征数据包括各siRNA候选序列对应的序列特征数据、二级结构特征数据、热力学特征数据和中靶率数据；
[0008]S300、根据序列特征数据、二级结构特征数据、热力学特征数据和中靶率数据构建机器学习模型；
[0009]S400、利用训练集对机器学习模型进行训练，并得到siRNA序列筛选模型；
[0010]S500、提取测试集中的特征向量，输入siRNA序列筛选模型，其中，特征向量包括序列特征向量、二级结构特征向量和热动力学特征向量；以及
[0011]S600、根据分别得到筛选评分筛选对mRNA中靶效果最优的siRNA并输出数据，输出数据包括最优siRNA的序列数据、特征值和筛选评分；其中，筛选评分最高者，即为最优siRNA。
[0012]进一步的，所述siRNA候选序列包括中靶率＞90％、中靶率70％～90％、中靶率50％～70％和中靶率＜50％的siRNA；所述训练集包括中靶率＞90％、中靶率70％～90％、中靶率50％～70％和中靶率＜50％的siRNA对应的序列特征数据、二级结构特征数据、热力学特征数据和中靶率数据。
[0013]进一步的，所述序列特征包括G/C含量、U
‑
T1、U
‑
T2、U
‑
T3、U
‑
T4、A、N、(G－C)％、(A－U)％、(G+C)％和(A+U)％，所述二级结构特征包括氢键系数，所述热力学特征包括ΔGm、ΔGs、ΔGd、P、W和M。
[0014]进一步的，G/C含量的特征提取方法为候选siRNA中G和C分别占的百分比例；
[0015]U
‑
T1的特征提取方法为判断反义链5
’
端是否为A/U，若是则特征值为1，否则为0；
[0016]U
‑
T2的特征提取方法为判断正义链5
’
端是否为G/C，若是则特征值为1，否则为0；
[0017]U
‑
T3的特征提取方法为判断是否在反义链5
’
末端1/3区富含AU，若是则特征值为1，否则为0；
[0018]U
‑
T4的特征提取方法为判断是否存在连续超过9位的GC区，若是则特征值为1，否则为0；
[0019]A的特征提取方法为判断是否同时满足U
‑
T1/U
‑
T2/U
‑
T3/U
‑
T4，若是则特征值为1，否则为0；
[0020]N的特征提取方法为判断是否同时不满足U
‑
T1/U
‑
T2/U
‑
T3/U
‑
T4，若是则特征值为1，否则为0；
[0021](G－C)％的特征提取方法为计算100
×
(G％－C％)/(G％+C％)；
[0022](A－U)％的特征提取方法为计算100
×
(A％－U％)/(A％+U％)；
[0023](G+C)％的特征提取方法为计算G％+C％；
[0024](A+U)％的特征提取方法为计算A％+U％。
[0025]进一步的，氢键系数的特征提取方法包括采用如下公式的进行计算：
[0026][0027]在此公式中，i表示siRNA所对应的靶siRNA区域中的核苷酸序数，PH
‑
bond是第i个核苷酸与同一条mRNA中其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.获得免于脱靶miRNA的siRNA序列筛选方法，其特征在于，包括：S100、获取siRNA候选序列数据；S200、根据siRNA候选序列数据提取特征数据，并将特征数据组成训练集和测试集；所述特征数据包括各siRNA候选序列对应的序列特征数据、二级结构特征数据、热力学特征数据和中靶率数据；S300、根据序列特征数据、二级结构特征数据、热力学特征数据和中靶率数据构建机器学习模型；S400、利用训练集对机器学习模型进行训练，并得到siRNA序列筛选模型；S500、提取测试集中的特征向量，输入siRNA序列筛选模型，其中，特征向量包括序列特征向量、二级结构特征向量和热动力学特征向量；以及S600、根据分别得到筛选评分筛选对mRNA中靶效果最优的siRNA并输出数据，输出数据包括最优siRNA的序列数据、特征值和筛选评分；其中，筛选评分最高者，即为最优siRNA；所述机器学习模型为：其中，S为针对某一靶标mRNA的某一siRNA的筛选评分；m为针对某一靶标mRNA的上述全部候选siRNA的数量；n为特征数量；T1为针对某一靶标mRNA的siRNA序列特征值，T2为针对某一靶标mRNA的二级结构特征值，T3为针对某一靶标mRNA的热力学特征值；p、q和j为模型参数。2.根据权利要求1所述的筛选方法，其特征在于，所述siRNA候选序列包括中靶率＞90％、中靶率70％～90％、中靶率50％～70％和中靶率＜50％的siRNA；所述训练集包括中靶率＞90％、中靶率70％～90％、中靶率50％～70％和中靶率＜50％的siRNA对应的序列特征数据、二级结构特征数据、热力学特征数据和中靶率数据。3.根据权利要求1所述的筛选方法，其特征在于，所述序列特征包括G/C含量、U
‑
T1、U
‑
T2、U
‑
T3、U
‑
T4、A、N、(G－C)％、(A－U)％、(G+C)％和(A+U)％，所述二级结构特征包括氢键系数，所述热力学特征包括ΔGm、ΔGs、ΔGd、P、W和M。4.根据权利要求3所述的筛选方法，其特征在于，G/C含量的特征提取方法为候选siRNA中G和C分别占的百分比例；U
‑
T1的特征提取方法为判断反义链5
’
端是否为A/U，若是则特征值为1，否则为0；U
‑
T2的特征提取方法为判断正义链5
’
端是否为G/C，若是则特征值为1，否则为0；U...

【专利技术属性】
技术研发人员：王全军，
申请(专利权)人：王全军，
类型：发明
国别省市：