药用植物microRNA数据库构建

发布时间：2020-09-16 19:00

　　 MicroRNA(miRNA)是长度约为20到22个碱基的单链内源性非编码RNA。普遍存在于真核生物中,对基因表达有重要的调控作用。研究发现miRNA是植物发育的有效调节因子,如株高株型、开花时间和繁殖力等,还参与植物代谢过程的调控。最近研究发现,miRNA参与药用植物次生代谢途径;而药用植物中的药效成分绝大部分通过植物次生代谢途径产生。此外,还有报道表明植物中的部分miRNA能稳定地跨物种传播,并对特定基因起调控作用;有些miRNA通过该途径参与抑制癌症发生。目前已报道的植物miRNA数据库均未包含药用植物miRNA的相关信息。为填补该空白,我们报道了第一版药用植物miRNA数据库MepmiRDB(medicinal plant microRNA database),免费访问网址http://mepmirdb.cn/mepmirdb/index.html。该数据库包含29种药用植物的数千条候选miRNA,并为用户提供多种功能模块,包括:Home模块(数据库主页,展示数据库更新的信息,以及用户访问信息)、Sequence模块(提供miRNA成熟体序列、miRNA前体的序列及结构信息)、Expression模块(提供成熟miRNA在不同组织器官、不同生长条件或处理条件下的表达量信息)、Interaction模块(提供miRNA调控的靶基因在蛋白水平上互作的信息)、Statistics模块(提供29种药用植物miRNA相关统计信息汇总表)、Search模块(利用该模块可以基于药用植物拉丁文名、miRNA家族和miRNA序列进行搜索)、Download模块(提供29种药用植物miRNA序列、pri-miRNA序列、pre-miRNA序列、miRNA表达量和互作网络中的靶转录本的下载)、Document模块(为用户提供数据库使用帮助)。MepmiRDB提供的所有这些功能模块为科研人员研究药用植物miRNA的序列特征、调控机制、生物学功能提供了有力的基础数据。在接下去的研究中,我们将利用公共数据库中不断增加的相关测序数据,在第一版MepmiRDB的基础上增加药用植物物种和测序数据类型(如RNA结构测序),并拓展数据库的功能(如添加miRNA上游调控网络信息),从而构建用户体验更好、信息量更丰富的药用植物miRNA数据库。
【学位单位】：杭州师范大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：S567
【部分图文】：

类黄酮,控作,途径,步骤

杭州师范大学硕士学位论文 1 前言中起到的转录后调控作用进行了深入研究。图 1.2 展示了类黄酮合成（苯丙烷途径）的代谢步骤及起关键催化作用的酶；并展示了 miRNA 在该过程中的调控作用，如 miR396b 参与调控编码 UDPG-黄酮类葡萄糖基转移酶（UFGT）的基因表达，而 UFGT 参与合成黄酮苷以及花青素，由此证明 miRNA 在参与调控植物次生代谢途径的重要作用（Gupta et al., 2017）。

框架图,药用植物,数据库,框架

2 构建药用植物数据库的材料、原理及方法在本研究中，我们建立了第一版药用植物 microRNA 数据库（medicinal plantmicroRNA database ，简称 MepmiRDB ），免费访问链接http://mepmirdb.cn/mepmirdb/index.html。本数据库包含了 29 种药用植物的数千条 miRNA 记录，并为用户提供了“Sequence”（miRNA 基因序列及前体二级结构信息）、“Expression”（miRNA 表达谱信息）、“Interaction”（靶基因及其在蛋白水平的相互作用关系）以及“Statistics”（数据库统计信息）四个主要功能模块，还包括“Home”（网站主页）、“Search”（miRNA 查找工具）、“Download”（数据下载）和“Document”（使用说明文件）四个辅助功能模块。药用植物数据库框架如图 2.1 所示。

工作流程图,工作流程,软件,参考序列

于 RNA 二级结构预测的 Vienna RNA 软件包（Hofacker, 2003）。图2.2 展示了 miRDeep-P 软件的工作流程。运行 miRDeep-P 软件，第一步将正确格式（FASTA 格式）的小分子 RNA 序列匹配到参考序列上（用 Trinity 软件拼接好的转录本）；第二步过滤小于 15 nt 的序列（进一步检索与已知 miRNA 基因相关的序列）；第三步提取不同长度的候选 miRNA 前体序列（默认值= 250）；第四步预测 RNA 二级结构；第五步将预测的二级结构结合到 miRDeep 核心算法与植物特异性评分系统上；然后第六步基于植物 miRNA 基因的已知特征，利用其他植物特异性标准过滤来自核心算法得出的序列，最终得出候选 miRNA 序列。我们在前一章节阐述了用 Trinity 方法组装药用植物转录本的原理过程。我们以 Trinity 拼接得到的转录本为参考序列，以此作为 miRNA 前体预测的参考序列。通过 miRDeep-P 软件预测，得到了成熟 miRNA 序列在参考序列上的位置。此外，我们将 sRNA-seq 数据匹配到预测得到的 miRNA 前体序列上，通过归一化的 RPM 读数来度量 pri-miRNA 上的 sRNA 表达水平，以此来验证预测得到的前体 miRNA 的可靠性。基于上述预测结果

【相似文献】