Non-coding RNAs prediction tools : PLEK #

1. PLEK : a tool for predicting long non-coding RNAs and messenger RNAs based on an improved k-mer scheme
2. k-mer scheme + support vector machine (SVM) algorithm
3. RNA-seq reads의 k-mer profile을 통해 lncRNA prediction
4. NGS reads 가운데 특히 long reads인 PacBio 및 454 sequencing reads에 최적화 되어있음

원리 #

1. 유전체 서열내 단백질로 코딩되는 유전자 영역의 서열상의 ATGC 조합의 구성과 단백질로 코딩 되지 않는 non-coding RNA의 서열상의 조합이 서로 상이함을 이용하여 이를 분석에 이용

2. lncRNA prediction의 대표적인 tool인 CNCI의 3-mer의 nucleotide profile을 더 발전시켜 1~6mer의 k-mer 조합을 profiling하여 coding RNA와 non-coding RNA를 구분함

   

3. Human의 GENCODE lncRNAs와 RefSeq mRNA를 대상으로 validation한 결과 90%이상의 정확도를 나타냈으며, 기존의 CNCI와의 비교에서도 좋은 결과를 보임.

   

4. 속도면에서 매우 빠른 분석을 자랑하며, Indel이 많은 서열의 경우 정확도가 안정적으로 유지됨.

   

분석 방법 #

1. INSTALLATION #

Pre-requisite: #

1. Linux
2. C/C++ compiler (i.e. gcc, g++)
3. Python 2.5.0 or later versions (http://www.python.org/ )

Steps: #

1. Download PLEK.1.2.tar.gz from https://sourceforge.net/projects/plek/files/ and decompress it.

   $ tar zvxf PLEK.1.2.tar.gz
   

2. Compile PLEK.

   $ cd PLEK.1.2 
   $ python PLEK_setup.py
   

2. USAGE #

python PLEK.py -fasta fasta_file -out output_file -thread number_of_threads -minlength min_length_of_sequence -isoutmsg 0_or_1 -isrmtempfile 0_or_1

Examples: 
1. $ python PLEK.py -fasta PLEK_test.fa -out predicted -thread 10
2. $ python PLEK.py -fasta PLEK_test.fa -out predicted -thread 10 -minlength 150

참고문헌 #

1. Aimin Li, Junying Zhang, Zhongyin Zhou PLEK: a tool for predicting long non-coding RNAs and messenger RNAs based on an improved k-mer scheme BMC Bioinformatics. 2014; 15(1): 311 (http://www.biomedcentral.com/1471-2105/15/311)

Suggested Pages #

• 0.025 MapSplice
• 0.025 cDNA
• 0.025 blast
• 0.025 Whole-Genome transcriptome map
• 0.025 GSNAP
• 0.025 Reference genome
• 0.025 microarray
• 0.025 TopHat
• 0.025 exon
• 0.025 cutfflinks
• More suggestions...