Long non-coding RNAs function annotation: a global prediction method based on bi-colored networks.
Long non-coding RNAs function annotation: a global prediction method based on bi-colored networks.
复制标题
长非编码RNA功能注释：基于双色网络的全局预测方法
DOI：
10.1093/nar/gks967
复制
发表时间：
2013-01
影响因子：
14.9
通讯作者：
Zhao Y
中科院分区：
文献类型：
--
作者：
Guo X;Gao L;Liao Q;Xiao H;Ma X;Yang X;Luo H;Zhao G;Bu D;Jiao F;Shao Q;Chen R;Zhao Y
越来越多的证据表明，长链非编码rna （lncRNAs）在多种生物过程中发挥着重要作用。目前迫切需要对越来越多的可用lncrna的功能进行注释。在本文中，我们首次尝试应用基于全球网络的策略来解决这一问题。我们开发了一个基于双色网络的全局功能预测器，长链非编码RNA全局功能预测器（' lnc-GFP '），通过整合基因表达数据和蛋白质相互作用数据来大规模预测lncRNAs的可能功能。在蛋白编码基因和lncRNA基因上对lnc-GFP的性能进行了评价。对已知功能注释的蛋白质编码基因进行交叉验证实验表明，在适当的参数设置下，我们的方法可以达到95%的精度。在双色网络中的1713个lncrna中，最大连接组分中的1625个（94.9%）lncrna都被功能表征。对于小鼠胚胎干细胞和神经细胞中表达的lncRNAs，我们的方法推断的功能与已知文献高度吻合。
More and more evidences demonstrate that the long non-coding RNAs (lncRNAs) play many key roles in diverse biological processes. There is a critical need to annotate the functions of increasing available lncRNAs. In this article, we try to apply a global network-based strategy to tackle this issue for the first time. We develop a bi-colored network based global function predictor, long non-coding RNA global function predictor (‘lnc-GFP’), to predict probable functions for lncRNAs at large scale by integrating gene expression data and protein interaction data. The performance of lnc-GFP is evaluated on protein-coding and lncRNA genes. Cross-validation tests on protein-coding genes with known function annotations indicate that our method can achieve a precision up to 95%, with a suitable parameter setting. Among the 1713 lncRNAs in the bi-colored network, the 1625 (94.9%) lncRNAs in the maximum connected component are all functionally characterized. For the lncRNAs expressed in mouse embryo stem cells and neuronal cells, the inferred putative functions by our method highly match those in the known literature.
登录
查看更多内容
影响因子：
56.9
作者：
Carninci, P;Kasukawa, T;Hayashizaki, Y
通讯作者：
Hayashizaki, Y
影响因子：
37.3
作者：
Gibb EA;Brown CJ;Lam WL
通讯作者：
Lam WL
影响因子：
14.9
作者：
Kanehisa M;Goto S;Sato Y;Furumichi M;Tanabe M
通讯作者：
Tanabe M
影响因子：
14.9
作者：
Jensen LJ;Kuhn M;Stark M;Chaffron S;Creevey C;Muller J;Doerks T;Julien P;Roth A;Simonovic M;Bork P;von Mering C
通讯作者：
von Mering C
影响因子：
64.8
作者：
通讯作者：
--