单碱基精度RNA甲基化修饰组学数据分析工具构建及应用

RNA methylation was involved in many aspects of RNA metabolism and regulated many biological processes. In spite of the critical roles of RNA methylation in RNA metabolism, the mechanism is still poorly understood. Current high-throughput techniques such as MeRIP-seq only allowed genome-wide mapping of RNA methylation sites at ~200 nt resolution, which greatly hinder the downstream mechanism studies. Since its excellent performance on interpreting high-dimensional data, deep learning algorithm has been widely used in the mining of high-throughput sequencing data. Here we plan to develop a comprehensive toolkit for the analysis of high-throughput RNA methylation data at single-nucleotide resolution. The peak calling, site prediction and quantification will be implemented in this toolkit. Furthermore, we will also apply this toolkit to TCGA cancer genomics data to reveal the functional impacts of RNA methylation on tumor development and tumor progression. We believe that our research will provide important clues for the development of novel markers for tumor diagnoses and prognosis, and new targets for gene therapies.

RNA甲基化参与了多种RNA的代谢过程，对各种生物学过程起到重要的调控作用。但是目前大家对RNA甲基化的具体作用机制仍知之甚少。其中一个重要的原因是当前以MeRIP-seq为代表的高通量RNA甲基化位点检测技术只能达到100-200碱基的精度，严重限制了其下游机制研究的开展。鉴于深度学习算法在解析高维数据上的优秀性能，深度学习被广泛应用到组学数据的挖掘中。申请人拟利用深度学习算法开发一套针对各种RNA甲基化高通量数据的单碱基分辨率分析工具集，包括实现峰值鉴定、位点预测和定量分析等功能。同时，申请人还计划利用本项目构建的工具集对TCGA肿瘤数据进行单碱基精度的RNA甲基化组学分析，并以此揭示RNA甲基化修饰在肿瘤发生发展过程中的重要影响，为肿瘤的诊断和预后提供新的标志分子，以及分子靶向治疗提供新的靶点。

RNA甲基化参与了多种RNA的代谢过程，对各种生物学过程起到重要的调控作用。但是目前大家对RNA甲基化的具体作用机制仍知之甚少。其中一个重要的原因是当前以MeRIP-seq为代表的高通量RNA甲基化位点检测技术只能达到100-200碱基的精度，严重限制了其下游机制研究的开展。鉴于深度学习算法在解析高维数据上的优秀性能，深度学习被广泛应用到组学数据的挖掘中。申请人基于深度学习算法开发了一套针对各种RNA甲基化高通量数据的单碱基分辨率分析工具集，包括实现峰值鉴定、位点预测和定量分析等功能。同时，申请人还利用本项目构建的工具集对TCGA肿瘤数据进行单碱基精度的RNA甲基化组学分析，以此揭示RNA甲基化修饰在肿瘤发生发展过程中的重要影响，并首次发现m6A修饰调控细胞自噬的重要机制。然后整合TCGA、ICGC与COSMIC等数据库中的突变数据进一步构建了RNA修饰变异相关数据库，从调控功能的角度上分析RNA修饰的功能，研究RNA修饰在癌症发生发展的动态调控作用，为肿瘤的诊断和预后提供新的标志分子，以及分子靶向治疗提供新的靶点。

内容获取失败，请点击重试