RNA m6A位点预测

前面已经给大家介绍过m6A甲基化的一些基本概念以及m6A的检测方法

☞RNA甲基化

☞m6A RNA甲基化修饰特征

RNA m6A检测方法

也给大家分享过一些m6A相关的发文套路

☞RNA m6A修饰发文套路大揭秘

☞常见肿瘤RNA m6A修饰研究的最新发文套路解析

当然我们也会分享一些m6A数据分析相关的干货

☞m6A甲基化数据分析流程

MACS2软件call m6A甲基化peaks

☞corrplot展示m6a甲基化基因表达相关性

m6a甲基化相关基因boxplot并显示p值

☞m6a甲基化相关基因根据临床信息分组绘制boxplot并显示p值

在☞RNA m6A检测方法一文中我们介绍了MeRIP-qPCR这种方法。在第四步中我们提到IP下来的RNA需要用随机引物进行逆转录,而第四步中设计的引物用的是特异性引物,这个大家要注意区分和甄别。有人可能会比较好奇,这个特异性引物是怎么设计的。首先我们需要确定m6A究竟发生在mRNA上的什么位置,接下来才能确定究竟应该在哪里放特异性引物。

下图是一个m6A位点在mRNA上的分布图,可以看出m6A修饰倾向于富集在终止密码子附近。当然在5‘UTR和编码区也有。

以上只是一个大规模的统计结果,那么针对于不同的mRNA,m6A位点究竟存在于什么位置呢?今天就给大家介绍一个免费在线预测哺乳动物m6A修饰位点的网站SRAMP。

网址:http://www.cuilab.cn/sramp

1. 首先进入SRAMP网页

点击“Prediction”按钮

2. 选择预测的模型

左边的“Full transcript mode”在对编码和非编码RNA进行预测时,建议使用此模式。 注意,在该模式中,应使用完整转录物(具有内含子)而不是成熟mRNA / cDNA序列的基因组序列。而对于没有完整基因组序列的用户来说,可以选择右侧的“Mature mRNA mode”,这种预测模式是一种备选解决方案,相对来说预测的准确性不如左边的,该模型适用于成熟mRNA(cDNA)序列,不能预测内含子中的m6A位点。

我们用网站默认的test1(TROVE2)序列演示一下,后面的选项都是默认的,点击“Submit”就可以预测序列的m6A结合位点了。

3. 预测结果

有两个结合位点,在“Decision”列中可以看出预测的两个结合位点具有很高的可信度。SRAMP网站提供了几个阈值:99 %/95%/90%/85%,分别对应very high/high/moderate/low的自信度,当然我们一般都挑选“very high”啦。预测结果是按照“Position”位置排序的,所以还需要综合各个位点“Score”情况。

SRAMP网站还提供了RNA二级结构m6A位点结合预测功能,写材料,发文章,有个图不是更加美观?针对于这个功能,网站默认选项是“NO(default)”,我们选择“YES(much slower)”,然后点击“Submit”就行,计算过程需要花更多的时间,这个取决于提交序列的长度。

预测结果

点击“Draw”,RNA二级结构m6A位点预测图就出来了

SRAMP网站运算速度比较慢,如果需要预测的序列较多,有一台不错的电脑,可以自行下载SRAMP tool(压缩包大概2G),同时安装R语言和Perl语言就可以运算了。

SRAMP算是一个不错的网站,界面相当简洁,由北京大学创建的;下面两个m6A甲基化预测的网站都是由中山大学创建的。

(1)RMBase v2.0

网址:http://rna.sysu.edu.cn/rmbase/

(2)m6Avar

网址:http://m6avar.renlab.org

RNA m6A位点预测

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,133评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,682评论 3 390
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,784评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,508评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,603评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,607评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,604评论 3 415
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,359评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,805评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,121评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,280评论 1 344
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,959评论 5 339
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,588评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,206评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,442评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,193评论 2 367
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,144评论 2 352

推荐阅读更多精彩内容