[发明专利]lncRNA靶基因的预测分析方法、装置、设备和介质

说明书

本申请提供的一种lncRNA靶基因的预测分析方法、装置、设备和介质，通过统计每个处理中重复的mRNA表达量之和，并根据表达量过滤掉表达量之和为零的mRNA序列；对mRNA和lncRNA的表达量进行相关性分析，并提取对应的相关性系数和概率P值作为相关性评判标准，以合并去冗余并分别以mRNA文件和lncRNA文件进行存储；对去冗余后的lncRNA序列按照指定序列数目进行拆分，以分别生成批量任务运行shell脚本，并提交至集群以实现多线程运行。本申请设置过滤方法减少lncRNA待预测的靶基因数量，减少了lncRNA靶基因预测假阳性率，从去除假阳性和多线程角度优化提升lncRNA靶基因预测效率。

技术领域

本发明涉及基因预测技术领域，特别是涉及一种lncRNA靶基因的预测分析方法、装置、设备和介质。

背景技术

lncRNA是一种序列长度大于200bp的长链非编码RNA序列，以RNA方式结合DNA及转录翻译中间产物，然后参与调控转录干扰、转录激活、蛋白表达等多个重要生物过程。现有研究对lncRNA调控模式的探索尚无重要发现。因此，lncRNA靶基因预测目前成为lncRNA功能性研究的关键。

预测方法是对已预测的lncRNA序列锚定其特定mRNA作为该lncRNA的靶基因，然后通过靶基因功能对lncRNA功能定性注释。基于此，lncRNA靶基因的精确定位成为lncRNA研究的一项重要内容，而准确高效的靶基因预测成为生物信息技术上的关键。

目前lnRNA靶基因预测分为cis作用靶基因预测和trans作用靶基因预测两种主要方向。cis作用靶基因预测是对lncRNA上下游一定范围内共表达蛋白编码基因的预测和功能富集；而trans靶基因预测是基于共表达和序列相似度对lncRNA靶基因预测。两种预测的差异在于是否基于距离算法，trans靶基因预测中认为靶基因与lncRNA位置不相关。

但是，序列相似度分析是基于能量值计算，需要对序列间相似度进行比对，运算量很大。目前基于能量值的已有lncRNA预测软件预测速度均较慢，预测时间随序列数呈线性增加，根据近期研究结果表明，基于算法优化上的lncRNA预测速度提升已达到瓶颈状态，trans靶基因预测基于序列相似度的评估的算法的预测速度较慢，使得预测效率上存在限制；另外，基于表达量相关性的预测分析准确度相对降低。仅从统计学方法上，对两个基因的表达量进行相关性分析，在表达量较低的基因中容易出现假阳性。

发明内容

鉴于以上所述现有技术的缺点，本申请的目的在于提供一种lncRNA靶基因的预测分析方法、装置、设备和介质，以解决现有技术中的问题。

为实现上述目的及其他相关目的，本申请提供一种lncRNA靶基因的预测分析方法，所述方法包括：统计每个处理中重复的mRNA表达量之和，并根据表达量过滤掉表达量之和为零的mRNA序列；对mRNA和lncRNA的表达量进行相关性分析，并提取对应的相关性系数和概率P值作为相关性评判标准，以合并去冗余并分别以mRNA文件和lncRNA文件进行存储；对去冗余后的lncRNA序列按照指定序列数目进行拆分，以分别生成批量任务运行shell脚本，并提交至集群以实现多线程运行。

于本申请的一实施例中，所述对mRNA和lncRNA的表达量进行相关性分析中，根据样本数量的不同选择不同的相关性分析方法。

于本申请的一实施例中，所述根据样本数量的不同选择不同的相关性分析方法，包括：若样本数量小于15，则通过R软件包Hmsic中的rcorr函数对mRNA和lncRNA的表达量进行相关性分析；反之，若样本数量大于15，则通过加权共表达网络分析对mRNA和lncRNA的表达量进行相关性分析。

于本申请的一实施例中，所述提取对应的相关性系数和概率P值作为相关性评判标准，包括：默认提取P0.05的基因，将关联基因合并去冗余后分别以mRNA和lncRNA储存。