[发明专利]一种识别非编码RNA多肽的方法

说明书

本发明提供一种识别非编码RNA多肽的方法，包括1)非编码RNA序列的获取；2)非编码RNA翻译的理论多肽的计算识别：使用生物信息软件包生成每个转录本的3框翻译的氨基酸序列，搜索序列中以起始密码子对应氨基酸开始，终止密码子结束的，长度大于10的氨基酸序列，通过氨基酸序列的起始终止位置，反推核苷酸序列的起始终止位置，并由所有的核苷酸编码序列并集求编码区间核苷酸序列长度，用编码区间核苷酸序列长度/转录本核苷酸序列的总长度来计算每个转录本的编码能力，数值越大代表该转录本的编码能力越强。本方法是国际上首个针对非编码RNA的多肽识别鉴定方法，可以基因组范围地预测非编码RNA，提供多肽的信息，为后续科学研究或多肽药物的开发提供候选。

技术领域

本发明涉及生物信息学技术领域，具体涉及一种识别非编码RNA多肽的方法。

背景技术

基因组学研究表明，哺乳动物基因中超过98％转录为非编码RNA(non-codingRNA,ncRNA)。非编码RNA是一类重要的普遍存在的转录本，给发育和人类复杂疾病的研究带来了新的启示。根据RNA分子环化情况，可以分为环形的RNA(circular RNA，circRNA)和线性RNA。线性RNA按其长度可分为长链ncRNA(longnon-coding RNA,lncRNA)和短链ncRNA。其中，microRNA(miRNA)是短链ncRNA的典型代表。虽然circRNA、lncRNA和miRNA在结构和长度上存在明显的差异，但是越来越多的研究显示，它们不仅调控生理过程中重要的生物学功能，同时也参与了包含癌症在内的复杂疾病的形成，甚至是某些疾病的主要成因，其中一些特异的非编码RNA也有望成为疾病诊断和治疗提供新的靶点和研发新的药物。因此，circRNA、lncRNA和miRNA作为重要的普遍参与恶性肿瘤形成的调控因子已达成共识，为人类恶性肿瘤发病机制解释带来全新的视角。

越来越多的研究表明，circRNA、lncRNA虽然不翻译成蛋白，但可以翻译生成一些短的多肽。多肽可作为“开关”分子，介导肿瘤细胞的代谢重编程等重要生物学过程，从而推动肿瘤的发生发展。多肽的表达丰度与癌症的诊断预后密切相关，可以作为恶性肿瘤的预后标记物。然而，以circRNA、lncRNA为代表的非编码RNA翻译生成的多肽还未被系统识别，也未被证实。

另一方面，很多多肽被设计成分子靶向药物，特别是靶向肿瘤的多肽药物开发和研究取得很大进展。多肽药物是由人工合成的或经分离纯化得到的活性多肽，先前研究发现一些小分子多肽在抑制肿瘤发生与发展中发挥重要的作用。例如，多肽HSP70-P/AFP-P在表达AFP的肿瘤中能够通过诱导T细胞免疫增强和增强抵抗力来发挥抗肿瘤的活性。肝素结合蛋白多肽可通过下调内皮细胞中包括ERL、FAK、AKT等在内的血管形成因子和侵袭因子的表达来显著地抑制乳腺癌细胞的生长。此外，还有文献报告有些小分子多肽能通过调控mRNA和lncRNA对肿瘤的生物学行为产生影响。

发明内容

鉴于此，本申请拟整合多组学数据开发一种识别非编码RNA多肽的方法，并结合核糖体测序、质谱等高通量技术检测的大数据来验证其存在的真实性，形成从预测-高通量实验验证的完善鉴定系统。

本发明技术方案主要包括以下内容：

一种识别非编码RNA多肽的方法，包括以下步骤：

1)非编码RNA序列的获取：基于非编码RNA的注释信息，获得其在染色体上的位置，结合基因组的参考序列，提取得到非编码RNA序列信息；相关参考序列及注释文件可从常规使用的数据库中获得。例如lncRNA的序列从GENCODE数据库获得，miRNA序列从miRBase获得，circRNA从circBase数据库获得。