自从miRNA发现以来，越来越多的研究表明miRNA参与调节多种生物活动。知道所有种类的miRNA仅仅是我们更好了解这些小分子功能的第一步。高通量测序技术的出现大大加速了这些小分子的发现速度，然而如果准确鉴定miRNA仍然是一个复杂和困难的事情，这需要整合实验和计算两种途径。人们开发了一系列用于寻找miRNA的计算方法，本文就对主流的一些算法进行综述和评价。

文章解读:

 作者对目前主流的miRNA预测软件进行了评估，各种计算发现miRNA的方法大致可以两种策略：比较和非比较算法。

 一、比较算法是基于大部分已知的miRNA序列在不同物种中具有高度保守性这一特征。miRNA的高度保守性表明了他们也许参与了共同的生物学过程，根据这个特征预测的候选miRNA，可以减少假阳性，但是在发现进化距离较远的物种和物种特异性miRNA的敏感性较差。

比较算法又可以分为三类：

1.近缘物种保守：

早期的miRNA鉴定方法主要集中在寻找相关物种中保守的发卡结构，这类软件有srnaloop、miRscan、miRseeker等

2.多物种保守：

Berezikov采用了一种叫做phylogeneticshadowing的方法，这种方法采用短区间序列比对来比较不同物种间核苷酸的保守程度。这种方法的一个重要的发现就是发现了miRNA发卡结构中的高度保守特征。尽管此法可以找到80%当时已知的人类miRNA，但69个预测的miRNA中仅有16个可以通过验证。

3.机器学习法：

机器学习法利用训练数据对模型进行训练，然后利用训练集中的序列结构特征进行新的miRNA预测，也可归为比较算法的一种。然而，对于阳性和阴性训练数据集的选区是决定预测是否准确的关键。利用机器学习法来进行预测的软件有RNAmicro、miRFinder、ProMir、MiRRim、SSCprofiler、HHMMiR、BayesMiRNAFind等。

二、非比较算法

非比较算法不依赖于进化保守性，因此可以发现更多的非保守性和物种特异性的miRNA。利用这种算法的miRNA鉴定方法主要有PalGrade、Triplet-SVM、miPred、miR-abela、HHMMiR。

另外还有一些直接用于高通量测序的预测软件，如miRDeep、miRanalyzer、SSCprofiler。

（未完待续）

原文地址：http://www.pubmedcentral.nih.gov/articlerender.fcgi?artid=3654206&tool=pmcentrez&rendertype