通过使用多变量信息度量方法，研究miRNAs之间的协同作用和竞争性调控机制

《BMC Bioinformatics》：Investigate synergistic and competitive regulation between miRNAs by using a multivariate information measurement

　　

摘要

多种微小RNA（microRNAs）可以结合到同一mRNA转录本的3’非翻译区（3’UTR）上。根据它们结合位点的空间排列，内源性微小RNA可能会协同作用以增强抑制效应，或者竞争相同的结合位点。尽管已经提出了协同性和竞争性微小RNA调控机制，但这些机制仍尚未得到完全阐明。在这里，我们引入了一个基于部分信息分解（Partial Information Decomposition, PID）测量的计算框架，用于量化微小RNA对之间的潜在相互作用效应。通过将基于序列的靶向特征与表达数据相结合，我们的方法推断出微小RNA之间的潜在协同或竞争关系。我们将该方法应用于TargetScan预测结果和癌症基因组图谱（The Cancer Genome Atlas, TCGA）数据集。研究发现，具有相邻结合位点的微小RNA对更有可能表现出协同作用，而具有重叠结合位点的微小RNA对则更常表现出竞争作用，尤其是在这些微小RNA具有高功能相似性时，且相应的微小RNA-mRNA-mRNA三元组得分呈现正或负的协同-冗余值。总体而言，这些结果为绘制微小RNA之间的协同和竞争相互作用提供了系统化的策略，并有助于更深入地理解微小RNA-mRNA调控网络。

多种微小RNA可以结合到同一mRNA转录本的3’非翻译区（3’UTR）上。根据它们结合位点的空间排列，内源性微小RNA可能会协同作用以增强抑制效应，或者竞争相同的结合位点。尽管已经提出了协同性和竞争性微小RNA调控机制，但这些机制仍尚未得到完全阐明。在这里，我们引入了一个基于部分信息分解（Partial Information Decomposition, PID）测量的计算框架，用于量化微小RNA对之间的潜在相互作用效应。通过将基于序列的靶向特征与表达数据相结合，我们的方法推断出微小RNA之间的潜在协同或竞争关系。我们将该方法应用于TargetScan预测结果和癌症基因组图谱（The Cancer Genome Atlas, TCGA）数据集。研究发现，具有相邻结合位点的微小RNA对更有可能表现出协同作用，而具有重叠结合位点的微小RNA对则更常表现出竞争作用，尤其是在这些微小RNA具有高功能相似性时，且相应的微小RNA-mRNA-mRNA三元组得分呈现正或负的协同-冗余值。总体而言，这些结果为绘制微小RNA之间的协同和竞争相互作用提供了系统化的策略，并有助于更深入地理解微小RNA-mRNA调控网络。