CNCI：利用序列特征鉴定lncRNA

>70%的人基因组序列会转录产生RNA，mRNA仅占小部分，大多数为lncRNA。由于lncRN的复杂性和多样性，鉴定或预测lncRNA充满挑战，尤其是对无参考基因组的物种。本文介绍一种不依赖参考基因组序列比对、简单好用的工具：CNCI（CodingNon-CodingIndex）。CNCI通过分析临近核酸三联体（adjoining nucleotide triplets，ANT）的特征，来有效区分蛋白编码序列和非编码序列。CNCI在脊椎动物中的表现要由于非脊椎动物和植物。

CNCI工作流程

CNCI采用滑动窗口法（Sliding Window）对每一个待鉴定的RNA扫描6次，每次产生一个阅读框（ReandingFrame），用动态规划算法找出每个阅读框中的MLCDS（最像CDS的subsequence），并打分（S-score），从6个MLCDS中选取得分最高的，即Best MLCDS。通过支持向量机（SVM），根据编码序列和非编码序列的特征，来判断Best MLCDS属于哪一类。概括起来就是：最像CDS的subsequence都不是编码区，则整个RNA就是lncRNA。

CNCI与CPC/phyloCSF的比较

对于人的RNA序列，CNCI在不同长度上的准确性都优于CPC和phyloCSF，特别是长RNA。

CNCI、CPC、phyloCSF的最小平均误差（minimumaverage error，MAE）分别为0.05、0.11、0.28，CNCI的敏感性和特异性更胜一筹。

不同物种比较

12个不同物种比较发现，CNCI在脊椎动物中的表现最好，MAE<0.1。在非脊椎动物和植物中表现稍次，MAE分别为0.18和0.24。 

CNCI的安装：

tar zxvf CNCI_versionX.tar.gz

cd CNCI_package

unzip libsvm-X.zip

cd libsvm-X

make

cd ..

CNCI的运行

python CNCI_package/CNCI.py  -f input.fasta  -o output  -m ve  -p 6

-f 需要鉴定的RNA序列（“>”开头的那一行不要有空格）， -o 指定输出目录， -m 运行模式：脊椎动物选择ve，植物选择pl，  -p 指定CPU核数， 还可以使用 –g 参数输入GTF文件，但是同时需要使用 –d参数指定参考基因组的目录。

注意：CNCI的运行目录一定要在CNCI所在目录。

Sun L, Luo H, Bu D, et al. Utilizingsequence intrinsic composition to classify protein-coding and long non-codingtranscripts. Nucleic Acids Research, 2013, 41(17):e166-e166.