CPAT軟件有什么用

小編給大家分享一下CPAT軟件有什么用，希望大家閱讀完這篇文章之后都有所收獲，下面讓我們一起去探討吧！

隨著高通量測序在lncRNA研究領域的應用, 越來越多的lncRNA被發現。對于轉錄組測序的數據而言，組裝得到轉錄本之后，首先要做的就是區分蛋白編碼和非蛋白編碼的RNA。

目前針對這一問題，有多種解決方案，基本可以分為以下兩類

1. alignment-based

2. alignment-free

   
   

第一種算法基于序列比對，可以較好的識別保守性較好的蛋白編碼基因， 包括CPC,PhyloCSF等軟件; 第二種算法不需要比對，而是通過coding和non-coding轉錄本的序列特征來進行區分，包括CNCI, CPAT, PLEK等。

lncRNA在物種間的保守性較差，另外部分lncRNA的染色體位置和蛋白編碼基因存在重疊，通過序列比對的方式來區分容易造成誤判。除此之外，基于序列比對的軟件，其運行速度相對較慢，所以采用第二種算法的軟件綜合效果更好。

本文主要介紹CPAT的使用，網址如下

http://lilab.research.bcm.edu/cpat/

對于一個轉錄本而言，它是coding還是noncoding,  本質上是一個二分類問題，所以CPAT的開發者想到了通過邏輯回歸來解決這個問題。該軟件基于以下四個特征構建了邏輯回歸模型來區分coding和noncoding

1. open reading frame size

2. open reading frame coverage

3. Fickett TESTCODE statistic

4. hexamer usage bias

   
   

前兩個因素都是針對開放閱讀框定義的，第一個因素是開放閱讀框的大小，第二個因素是開放閱讀框占轉錄本總長度的比例，第三個因素基于序列的堿基組成和密碼子分布進行定義，第四個因素基于序列中六聚體的頻率進行定義。

在論文中，針對以上4種特征，首先評估在coding和noncoding中的分布，圖示如下

可以看到，coding和noncoding形成了兩個不同的峰，說明這4種特征在coding和noncoding之間確實存在差異。

在論文中還通過ROC曲線評估了不同軟件的性能，結果如下

可以看到CPAT和CPC的效果是最好的。CPAT基于python編程語言開發，安裝非常的簡便，代碼如下

pip install CPAT

該軟件既可以在本地運行，也提供了在線版本。

1. 在線版本

在線版本的網址如下

http://lilab.research.bcm.edu/cpat/

可以直接輸入fasta格式的序列，也可以輸入bed格式的文件，此時需要指定對應的基因組版本，示意如下

2. 本地版本

本地版本對應的也有兩種用法，輸入bed文件的用法如下

cpat.py -r /database/hg19.fa \
-g mRNA_hg19.bed \
-d dat/Human_logitModel.RData \
-x  dat/Human_Hexamer.tsv \
-o output.txt

輸入fasta文件的用法如下

cpat.py -g transcript.fa \
-d dat/Human_logitModel.RData \
-x dat/Human_Hexamer.tsv \
-o output.txt

-d和-x參數對應的文件為軟件構建好的模型，位于軟件的安裝目錄下。軟件的輸出結果如下所示

最后一列給出了轉錄本的蛋白編碼信息，yes代表該轉錄本為protein-coding轉錄本，no代表該轉錄本為noncoding轉錄本。

看完了這篇文章，相信你對“CPAT軟件有什么用”有了一定的了解，如果想了解更多相關知識，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！