靶基因的寻找

miRNA靶基因的寻找主要通过利用生物信息学方法和生物学实验方法。将生物信息学与生物实验相结合来寻找靶基因可以明显提高准确率。生物信息学方法主要是利用某种算法对靶基因样本进行评分及筛选。虽然预测方法各有不同，但由于miRNA和靶基因间的作用具有一定规律性：

miRNA与其靶位点的互补性；

miRNA靶位点在不同物种之间的保守性；

miRNA-mRNA双链之间的热稳定性；

miRNA靶位点处不应有复杂二级结构；

miRNA5′端与靶基因的结合能力强于3′端。

除此以外，不同的预测方法还会根据各自总结的规律对算法进行不同的限制与优化。为了得到更为可靠的靶基因预测，通常综合多个预测方法，取其共同预测的基因作为研究重点。

目前常用的预测方法主要是以下三种：

1.miRanda　是最早的一个利用生物信息学对miRNA靶基因进行预测的软件，由Enright等人于2003年设计开发。作为最早的miRNA靶基因预测软件，miRanda对3′-UTR的筛选依据主要是从序列匹配、miRNA与mRNA双链的热稳定性以及靶位点的保守性3个方面进行分析。基于以上3个方面，miRanda选取每条miRNA相对的3′-UTR中排名前10位的基因，作为miRNA的候选靶基因，对于多个miRNA对应于同一靶位点的情况，miRanda则使用贪心算法选取其中得分最高且自由能最低的那一对。

2.TargetScan　是Lewis等在2003年开发的一款用于预测哺乳动物miRNA靶基因的软件，该软件将RNA间相互作用的热力学模型与序列比对分析相结合，预测不同物种间保守的miRNA结合位点。与miRanda不同，TargetScan提出了“miRNA种子区”的概念。“miRNA种子区”是指miRNA5′端第2-8位碱基与mRNA的3′-UTR完全互补所在序列。此外，它也引用了信噪比来评估预测结果的准确度。所谓信号噪声比即用已知（信号组）和随机生成的miRNA（噪声组）分别对mRNA的3′-UTR进行预测，所得靶基因数目的比值。

3.PicTar　是Krek等人在2005年开发的一款名叫组合靶位点的概率识别（probabilistic identification of combinations of target sites）的预测软件。它采用一种更先进的算法来预测脊椎动物、线虫和果蝇中miRNA的靶基因，并通过实验方法进行了验证。与TargetScan一样，PicTar也强调“种子区”在靶位点识别及在转录后调控中的关键作用，也注重miRNA和靶基因结合的自由能在靶基因翻译抑制中的关键作用。不同的是PicTar把种子序列分为“完全匹配种子序列”和“不完全匹配种子序列”，前者要求种子序列和靶基因完全互补配对；后者在满足miRNA与靶基因结合自由能不增加的前提下允许种子序列出现错配，但不允许G：U配对。同时结合以前实验数据对两类种子序列对应的miRNA和靶基因结合自由能进行了限制，要求“完全匹配种子序列”的miRNA与靶基因结合自由能小于miRNA和靶基因最优结合能的33%；而“不完全匹配种子序列”的miRNA与靶基因的结合自由能要求小于miRNA和靶基因最优结合能的66%，这有效地降低了假阳性率。