[论文解读] RNA structure characterization from chemical mapping experiments

Sharon Aviran, Julius B. Lucks+1 more|arXiv (Cornell University)|Jun 24, 2011

RNA and protein synthesis mechanisms参考文献 18被引用 4

一句话总结

本文提出了一种统一的最大似然模型，用于从基于毛细管电泳（SHAPE-CE）或高通量测序（SHAPE-Seq）的化学图谱实验中推断RNA反应性。该模型可得出闭式估计结果，通过在测序方法中利用全长转录本信息，显著提升了准确性，表明由于在RNA分子5′区域具有更好的信号恢复能力，SHAPE-Seq提供的反应性估计比SHAPE-CE更可靠。

ABSTRACT

Despite great interest in solving RNA secondary structures due to their impact on function, it remains an open problem to determine structure from sequence. Among experimental approaches, a promising candidate is the "chemical modification strategy", which involves application of chemicals to RNA that are sensitive to structure and that result in modifications that can be assayed via sequencing technologies. One approach that can reveal paired nucleotides via chemical modification followed by sequencing is SHAPE, and it has been used in conjunction with capillary electrophoresis (SHAPE-CE) and high-throughput sequencing (SHAPE-Seq). The solution of mathematical inverse problems is needed to relate the sequence data to the modified sites, and a number of approaches have been previously suggested for SHAPE-CE, and separately for SHAPE-Seq analysis. Here we introduce a new model for inference of chemical modification experiments, whose formulation results in closed-form maximum likelihood estimates that can be easily applied to data. The model can be specialized to both SHAPE-CE and SHAPE-Seq, and therefore allows for a direct comparison of the two technologies. We then show that the extra information obtained with SHAPE-Seq but not with SHAPE-CE is valuable with respect to ML estimation.

研究动机与目标

• 开发一种通用的统计框架，用于从化学图谱数据中推断RNA反应性，适用于SHAPE-CE与SHAPE-Seq两种方法。
• 解决SHAPE-CE中仅能检测到转录本中首个修饰位点的局限性，导致信号恢复不完整的问题。
• 基于统一的似然推断模型，比较SHAPE-CE与SHAPE-Seq的信息含量和估计准确性。
• 证明SHAPE-Seq中额外的全长转录本数据可提升最大似然反应性估计的精度，尤其在RNA分子的5′区域表现更优。
• 为最大似然反应性估计和逆转录酶脱落概率提供闭式解法，实现快速且稳健的分析。

提出的方法

• 为每个核苷酸位置k处的化学修饰反应性（βk）和逆转录酶脱落（γk）构建联合似然模型。
• 通过在约束条件0 ≤ βk ≤ 1和0 ≤ γk ≤ 1下优化对数似然函数，推导出βk和γk的闭式最大似然估计。
• 通过建模cDNA合成与逆转录过程中观察到的片段计数，将该模型应用于SHAPE-CE与SHAPE-Seq数据。
• 采用约束优化方法，确保估计值保持在可行参数空间内，并通过紧集与驻点分析提供理论依据。
• 通过调整数据表示方式与信号检测差异，将通用模型特化应用于SHAPE-CE与SHAPE-Seq。
• 通过在真实生物RNA（如pT181和RNase P）上比较CE与NGS数据的ML估计结果，验证模型的有效性。

实验结果

研究问题

• RQ1 与SHAPE-CE相比，SHAPE-Seq中包含全长转录本信息是否能提升反应性估计的准确性？
• RQ2 能否为SHAPE-CE与SHAPE-Seq构建一个统一的统计模型，并获得闭式最大似然估计？
• RQ3 CE方法中缺乏全长信号如何影响反应性估计的可靠性，特别是在RNA分子的5′区域？
• RQ4 与基于CE的方法相比，SHAPE-Seq中的额外信息在多大程度上提升了反应性推断的精度？
• RQ5 基于似然的估计框架是否比以往研究中使用的视觉校正方法更准确？其局限性是什么？

主要发现

• 所提出的模型可为反应性（βk）和逆转录酶脱落（γk）提供闭式最大似然估计，实现无需迭代优化的快速且稳健的推断。
• 由于SHAPE-Seq能够捕获全长转录本信号（而CE方法中缺失），其提供的反应性估计比SHAPE-CE更准确。
• 在RNA分子的5′区域，由于信号恢复不完整，SHAPE-CE会导致反应性被高估，而SHAPE-Seq的估计则更为准确。
• 对于金黄色葡萄球菌pT181 RNA，CE估计的修饰分子比例为0.9，而测序方法估计为0.86，表明差异较小。
• 对于枯草芽孢杆菌RNase P RNA，差异更为显著：CE估计为0.62，而测序方法估计为0.52。
• 基于似然的框架在可重复性方面优于视觉校正方法，但揭示了CE数据中因缺失全长信号而存在的系统性偏差，该模型在NGS推断中明确考虑了这一因素。