环序 CIRC · MS2 LAB
连接计算引擎…方法与边界 ↗
实验室共享版 · 各会话任务隔离
CIRCULAR RNA INSERTION SCREENING

把插入位点,逐一看清。

枚举环上每个连接位置,比较原始 RNA 与 MS2 的预测折叠。
先看清结构取舍,再选择值得实验验证的构建。

计算筛选 → 实验候选环状 MFE + 配对概率服务器计算 · 无需 API 密钥

从一条完整的环序列开始

n 个碱基,对应 n 个不同连接位置。
每个候选都会进行真正的环状结构预测。

① 输入序列② 比较结构③ 导出候选

如何理解这些结果

可复核的计算,不代替实验

比较配对分布,而非只看一张图

配对概率相似度比较每个原始碱基在整个结构集合中的配对伙伴概率,包含不配对以及与新增序列配对的状态。不是图形轮廓相似度、序列相似度或功能保留率。未配对状态也参与平均;即使 MFE 配对改变较多,这个分数仍可能较高。查看图中原始配对是否保留,请同时看“MFE 配对保留”。

MS2 匹配不等于 MCP 结合率

匹配度是 各 MS2 副本分别与单个参考结构比较后得到的平均匹配概率(不含 linker),不是整个发卡同时形成的概率。计算中不加入 MCP 或 TurboID,也不强制 MS2 形成参考结构。

候选分层保留不同取舍

第一层中的构建,没有被另一个构建在全部三项指标上同时赶超。分层没有实验合格阈值,也不承诺第一层一定优于其余构建的生物学表现。

预测边界

不预测环化效率、假结、R-loop、亚细胞定位或蛋白空间遮挡。SEP3 仍需验证其 DNA 杂交与原有功能。不要用不同长度构建的自由能直接判定优劣。

公式、参数与参考资料

方法来源:底层采用已发表的 ViennaRNA 环状 RNA 折叠算法;本站的配对概率相似度、MS2 匹配度、交叉配对和 Pareto 筛选流程为自定义指标,未经实验校准,不是已发表并验证的最佳插入位点算法。NAVIEW 只负责二维排版,不参与折叠预测或候选排序。

配对概率相似度 = 1 − 原始各碱基配对伙伴分布的平均总变差距离。MS2 平均匹配度 = 各副本碱基符合本副本参考配对 / 不配对状态的概率均值,再对副本取平均。linker 不计入此均值;最低匹配度是各副本中最低的一项。linker→原 RNA 配对单独对所有内部和外侧 linker 碱基求平均;无 linker 时显示不适用。交叉配对 = 新增模块各碱基与原始 RNA 配对概率之和的平均值。

ViennaRNA 2.7.2;circ=1;dangles=2;允许孤立碱基对;默认 Turner 2004 参数;MFE 与 partition function;所有候选采用相同温度。计算不包含特定盐浓度、蛋白结合与共转录动力学的实验校准。

指标使用完整概率矩阵;JSON 中用于绘图的配对表仅保留概率 ≥0.001 的条目。原始 MFE 没有配对时,“MFE 配对保留”显示不适用。

查看下方完整参考文献与用途说明 ↓

参考文献与方法依据

点击 DOI 阅读原文

以下文献分别对应计算引擎、环状折叠、配对概率、二维绘图与实验设计背景。它们不构成对本站插入位点评分或植物实验效果的验证。

  1. 计算引擎 · ViennaRNA

    Lorenz R, et al. (2011). ViennaRNA Package 2.0. Algorithms for Molecular Biology, 6:26.

    DOI: 10.1186/1748-7188-6-26 ↗

    本站调用 ViennaRNA 计算 MFE 结构与配分函数;论文描述软件包,本站安装版本为 2.7.2。

  2. 环状 RNA 折叠算法

    Hofacker IL, Stadler PF. (2006). Memory efficient folding algorithms for circular RNA secondary structures. Bioinformatics, 22(10):1172–1176.

    DOI: 10.1093/bioinformatics/btl023 ↗

    对应环状 RNA 二级结构计算的方法基础;本站使用 circ=1。

  3. 配分函数与碱基配对概率

    McCaskill JS. (1990). The equilibrium partition function and base pair binding probabilities for RNA secondary structure. Biopolymers, 29(6–7):1105–1119.

    DOI: 10.1002/bip.360290621 ↗

    结构集合与配对概率的基础方法。本站在 ViennaRNA 返回的概率上另行计算相似度、MS2 匹配度和交叉配对。

  4. 二维绘图 · NAVIEW

    Bruccoleri RE, Heinrich G. (1988). An improved algorithm for nucleic acid secondary structure display. Computer Applications in the Biosciences, 4(1):167–173.

    DOI: 10.1093/bioinformatics/4.1.167 ↗

    用于茎环图排布以及 PyMOL 平面示意坐标,不是三维结构预测,也不参与评分。

  5. 实验设计背景 · LABEL-seq

    Simon JJ, Fowler DM, Maly DJ. (2024). Multiplexed profiling of intracellular protein abundance, activity, interactions and druggability with LABEL-seq. Nature Methods, 21:2094–2106.

    DOI: 10.1038/s41592-024-02456-7 ↗

    原页面 LABEL-seq 设计参考的正式发表版本。仅作实验设计背景,不是本站折叠算法或植物 circRNA–MCP–TurboID 系统的验证文献。

本站自定义部分:配对概率相似度、MS2 匹配度、交叉配对指标及其 Pareto 筛选流程尚未经过实验校准。分数不是功能保留率、MCP 结合率或插入位点成功概率。

官方资料:ViennaRNA 引用指南 ↗ · RNA WebSuite 帮助 ↗