一种miRNA调控蛋白质相互作用网络的miRNA靶蛋白预测方法技术

本发明专利技术公开了一种miRNA调控蛋白质相互作用网络的miRNA靶蛋白预测方法，包括如下步骤：首先构建三个子网络：基于HIPPIE的人类蛋白质‑蛋白质相互作用网络、基于mirTARbase的miRNA‑靶蛋白网络和基于靶蛋白重叠构造的miRNA‑miRNA网络；然后根据蛋白质的获得号和miRNA分子在miRbase数据库中的ID号，合并三个子网络，构建融合的miRNA‑靶蛋白关联关系网络；最后基于牵连犯罪原则，表征miRNA‑靶蛋白的关联特征，使用随机森林构建分类预测模型，预测潜在miRNA与靶蛋白相互作用关联关系。本发明专利技术方法能更好地研究miRNA调控靶蛋白的多对多关系，具有较好的应用价值。

【技术实现步骤摘要】

本专利技术属于生物信息学及分子生物学
更具体地，涉及一种miRNA调控蛋白质相互作用网络的miRNA靶蛋白预测方法。
技术介绍
microRNA(miRNA)是一种长度仅为20～24nt的非编码单链小分子RNA，具有高度保守性，时序性和组织特异性。成熟的miRNA5′端有一个磷酸基团，3′端为羟基，由具有发夹状结构的约70～90nt的单链RNA前体经过Dicer酶加工后形成。成熟的miRNA形成RNA诱导的基因沉默复合体(RNA-inducedsilencingcomplex，RISC)作用于靶点mRNA，通过对靶mRNA剪切或抑制其翻译过程而调控基因的表达。miRNA功能的获得或缺失，与各种疾病的发生、发展都有着密切的关系。蛋白质功能既可以直接、也可以间接地受miRNA分子的调控。miRNA网络较于其它生物网络有以下几个优势：miRNA位于基因信号传导的上游，因而miRNA的表达变化更灵敏，且发生在蛋白质的表达变化之前。此外，miRNA可以较方便地在血液循环中检测到，因而适合于作为疾病诊断的灵敏指标，具有现实意义。因此，在miRNA调控蛋白质互作网络层面上识别miRNA和蛋白质之间关系，有助于我们更好地理解致病机理。miRNA与靶蛋白的关联性，可以采用以下实验方法，包括：基于交联免疫沉淀的高通量测序分析交联免疫沉淀(HITS-CLIP)技术、光活性增强的核糖核苷交联免疫沉淀(PAR-CLIP)技术和CLASH(crosslinkingligationandsequencingofhybrids)技术，这些方法能得出miRNA-mRNA结合位点及与已知miRNA相互作用的mRNA。生物信息学的预测方法是分析miRNA的靶标mRNA的热力学参数及进化保守性，达到预测miRNA靶标目的，如TargetScan、PicTar、PITA、miRanda、DIANA-microT-CDS等。这些方法各有各的优缺点。实验方法可以给出miRNA与靶mRNA的调控关系，但实验价格昂贵且只能得出单个分子与单个分子的相互作用。计算方法快速且便宜，可提供大量可能的相互作用，但假阳性高且缺乏miRNA在特定的细胞或组织中对靶mRNA动态调控关系。
技术实现思路
本专利技术要解决的技术问题是克服上述现有技术的缺陷和不足，为了更好地理解miRNA与靶蛋白的“多对多”关系，从生物网络的层面，通过构建miRNA-miRNA网络、miRNA-蛋白质网络和蛋白质-蛋白质互作网络三个网络，预测miRNA的靶蛋白。本专利技术的目的是提供一种miRNA调控蛋白质相互作用网络的miRNA靶蛋白预测方法。本专利技术上述目的通过以下技术方案实现：在miRNA-蛋白质互作关系的预测模型的构建当中，如何判定miRNA与蛋白质的关联关系是关键。本专利技术提出了预测miRNA与蛋白质潜在关联关系的方法，基于拓扑特征和牵连犯罪(guilt-by-association)构建人类蛋白质-蛋白质互作网络、miRNA-miRNA网络、miRNA-蛋白质网络这三个互作网络，结合随机森林算法，建立模型对特征属性进行分类判别，预测潜在的miRNA与蛋白质的关联关系。即本专利技术提出了一种miRNA调控蛋白质相互作用网络的miRNA靶蛋白预测方法，该方法的具体步骤如下：S1.分别构建以下三个子网络：基于HIPPIE的人类蛋白质-蛋白质相互作用网络(PPIN)、基于mirTARbase的miRNA-靶蛋白网络(miRNATarN)和基于靶蛋白重叠构造的miRNA-miRNA网络(miRNAIN)；S2.构建融合的miRNA-靶蛋白关联关系网络：根据蛋白质的获得号和miRNA分子在miRbase数据库中的ID号，合并三个子网络，构建融合的miRNA-靶蛋白关联关系网络，包含163739条边和14265个节点；其中，153749条边表示蛋白质-蛋白质相互作用，4634条边表示miRNA-miRNA关系，5356条边表示miRNA-靶蛋白相互作用；在所有的节点中，14086个是蛋白质，179个是miRNA；S3.表征miRNA-靶蛋白的关联特征，预测潜在miRNA与靶蛋白相互作用关联关系(使用牵连犯罪原则来描述miRNA与蛋白质的关联情况)S31.基于牵连犯罪原则，计算miRNA与人类蛋白的网络拓扑特征采用公式(1)计算miRNA(r)的网络拓扑结构特征、采用公式(2)计算靶蛋白p的网络拓扑结构特征、通过公式(3)得到一个1960(193+1767)维的网络拓扑特征向量来描述miRNA和其靶蛋白的关联关系：S32.使用随机森林(RF)构建分类预测模型，预测潜在的miRNA与人类蛋白的相互作用关系。具体所述牵连犯罪原则如图3所示，牵连犯罪原则表明，若蛋白质的邻居蛋白质大部分都与某种miRNA相互作用，那么该蛋白质更倾向于与该miRNA相互作用。在图3的PPIN中，P2蛋白质的邻居P1和P3均与mir-3相互作用(黄色实线表示)，那么根据牵连犯罪原则，P2蛋白质很可能与mir-3相互作用(蓝色虚线表示)。miRNAIN代表miRNA-miRNA网络，红色实线表示miRNA间的相互作用。miRNATarN代表miRNA-靶蛋白网络，黄色实线表示实验验证的miRNA与靶蛋白之间的相互作用。另外，优选地，步骤S1中所述基于HIPPIE的人类蛋白质-蛋白质相互作用网络(PPIN)的构建方法如下：从HIPPIE数据库下载整个人类蛋白质-蛋白质相互作用数据，去除自相互作用、重复相互作用以及相互作用得分为0的相互作用；根据蛋白质获得号，从UniprotKB/Swiss-Prot数据库获取蛋白质序列信息(序列信息即一级结构数据)，计算氨基酸组成(20维)、二肽组成(400维)、自相关描述符和组成(1221维)、转变(21维)和分布(105维)等共1767维蛋白质一级结构描述符(一级结构描述符即一级结构特征)；基于收集的信息，构建节点和边加权的人类蛋白质-蛋白质相互作用子网络；蛋白质网络中节点权重是蛋白质1767维蛋白质一级结构描述符，边权重是蛋白质相互作用信任得分；其中相互作用信任得分是蛋白质之间相互作用程度，数值介于0～1之间，数值越大，作用程度越高，数值越小，作用程度越小。优选地，步骤S1中所述基于mirTARbase的miRNA-靶蛋白网络(miRNATarN)的构建方法如下：从mirTARbase中搜集并整理miRNA-靶蛋白相互作用数据，根据miRNA的序列和结构信息，计算核酸序列的组成(4维)、二核苷酸序列组成(16维)、三核苷酸序列组成(64维)、基于K-mer分类的组成(90维)和伪二核苷酸组成(19维)，得到193个miRNA序列结构描述符；基于收集的数据构建miRNA-靶蛋白互作网络；在miRNA-靶蛋白互作网络中，miRNA节点权重是193维miRNA序列的结构描述符，靶蛋白节点权重是1767维蛋白质一级结构描述符；如果miRNA和靶蛋白发生相互作用，则用一条边连接，且边的权重为1。优选地，步骤S1中所述基于靶蛋白重叠构造的miRNA-miRNA网络(miRNAIN)的构建方法如下：大量研究表明，miRNA之间有协同调控作用，如mir-375、mir-124、let-7b共同调控本文档来自技高网...

【技术保护点】
一种miRNA调控蛋白质相互作用网络的miRNA靶蛋白预测方法，其特征在于，包括如下步骤：S1.分别构建以下三个子网络：基于HIPPIE的人类蛋白质‑蛋白质相互作用网络、基于mirTARbase的miRNA‑靶蛋白网络和基于靶蛋白重叠构造的miRNA‑miRNA网络；S2.构建融合的miRNA‑靶蛋白关联关系网络：根据蛋白质的获得号和miRNA分子在miRbase数据库中的ID号，合并三个子网络，构建融合的miRNA‑靶蛋白关联关系网络，包含163739条边和14265个节点；其中，153749条边表示蛋白质‑蛋白质相互作用，4634条边表示miRNA‑miRNA关系，5356条边表示miRNA‑靶蛋白相互作用；在所有的节点中，14086个是蛋白质，179个是miRNA；S3.表征miRNA‑靶蛋白的关联特征，预测潜在miRNA与靶蛋白相互作用关联关系S31.基于牵连犯罪原则，计算miRNA与人类蛋白的网络拓扑特征采用公式(1)计算miRNA(r)的网络拓扑结构特征、采用公式(2)计算靶蛋白p的网络拓扑结构特征、通过公式(3)得到一个1960维的网络拓扑特征向量来描述miRNA和其靶蛋白的关联关系：RNTFr=1NΣj=1NRr(i)×Er,j×Rj(i),(i=1,2,......,193)---(1)]]>PNTFp=1NΣj=1NPp(i)×Ep,j×Pj(i),(i=1,2,......,1767)---(2)]]>RPNTFr,p=RNTFr⊕PNTFp---(3);]]>S32.使用随机森林构建分类预测模型，预测潜在的miRNA与人类蛋白的相互作用关系。...

【技术特征摘要】
1.一种miRNA调控蛋白质相互作用网络的miRNA靶蛋白预测方法，其特征在于，包括如下步骤：S1.分别构建以下三个子网络：基于HIPPIE的人类蛋白质-蛋白质相互作用网络、基于mirTARbase的miRNA-靶蛋白网络和基于靶蛋白重叠构造的miRNA-miRNA网络；S2.构建融合的miRNA-靶蛋白关联关系网络：根据蛋白质的获得号和miRNA分子在miRbase数据库中的ID号，合并三个子网络，构建融合的miRNA-靶蛋白关联关系网络，包含163739条边和14265个节点；其中，153749条边表示蛋白质-蛋白质相互作用，4634条边表示miRNA-miRNA关系，5356条边表示miRNA-靶蛋白相互作用；在所有的节点中，14086个是蛋白质，179个是miRNA；S3.表征miRNA-靶蛋白的关联特征，预测潜在miRNA与靶蛋白相互作用关联关系S31.基于牵连犯罪原则，计算miRNA与人类蛋白的网络拓扑特征采用公式(1)计算miRNA(r)的网络拓扑结构特征、采用公式(2)计算靶蛋白p的网络拓扑结构特征、通过公式(3)得到一个1960维的网络拓扑特征向量来描述miRNA和其靶蛋白的关联关系：RNTFr=1NΣj=1NRr(i)×Er,j×Rj(i),(i=1,2,......,193)---(1)]]>PNTFp=1NΣj=1NPp(i)×Ep,j×Pj(i),(i=1,2,......,1767)---(2)]]>RPNTFr,p=RNTFr⊕PNTFp---(3);]]>S32.使用随机森林构建分类预测模型，预测潜在的miRNA与人类蛋白的相互作用关系。2.根据权利要求1所述的方法，其特征在于，步骤S1中所述基于HIPPIE的人类蛋白质-蛋白质相互作用网络的构建方法如下：从HIPPIE数据库下载整个人类蛋白质-蛋白质相互作用数据，去除自相互作用、重复相互作用以及相互作用得分为0的相互作用；根据蛋白质获得号，从UniprotKB/Swiss-Prot数据库获取蛋白质序列信息，计算氨基酸组成、二肽组成、自相关描述符和组成、转变和分布共1767维蛋白质一级结构描述符；基于收集的信息，构建节点和边加权的人类蛋白质-蛋白质相互作用子网络；蛋白质网络中节点权重是蛋白质1767维蛋白质一级结构描述符，边权重是蛋白质相互作用信任得分；其中相互作用信任得分是蛋白质之间相互作用程度，数值介于0～1之间，数值越大，作用程度越高，数值越小，作用程度越小。3.根据权利要求1所述的方法，其特征在于，步骤S1中所述基于mirTARbase的miRNA-靶蛋白网络的构建方法如下：从mirTARbase中搜集并整...

【专利技术属性】
技术研发人员：邹小勇，钟文倩，李占潮，戴宗，
申请(专利权)人：广东顺德中山大学卡内基梅隆大学国际联合研究院，中山大学，广东药科大学，
类型：发明
国别省市：广东;44