Jie Lv¹ , Hongbo Liu¹ , Hui Liu¹ , Qiong Wu¹ , Yan Zhang²

1哈尔滨工业大学生命科学技术学院, 150001, 哈尔滨;
2哈尔滨医科大学生物信息科学与技术学院, 150081, 哈尔滨
作者    通讯作者
计算分子生物学, 2013 年, 第 2卷, 第 12 篇   doi: 10.5376/cmb.cn.2013.02.0012
收稿日期: 2013年11月24日    接受日期: 2016年12月10日    发表日期: 2013年12月27日

本文首次以英文发表在 Computational Molecular Biology上。现依据版权所有人授权的许可协议，采用 Creative Commons Attribution License 协议对其进行授权，用中文再次发表与传播。只要对原作有恰当的引用, 版权所有人允许并同意第三方无条件的使用与传播。如果读者对中文含义理解有歧义，请以英文原文为准。

推荐引用：

Zhang et al., 2013, Predicting Long Non-coding RNAs Based on Genomic Sequence Information, Computational Molecular Biology, Vol.3, No.4 24-30 (doi: 10.5376/cmb.2013.03.0004)

编码和非编码基因的二进制分类在近50年被简化。全基因组转录组研究表明，存在成千上万的长非编码RNAs(lncRNAs)，与此同时，其功能也被慢慢发现。lncRNA的准确鉴定是lncRNA系统表征的最初步骤。lncRNA转录模式的多样性质疑着可用的非编码RNA预测算法。到目前为止，lncRNA的预测大多依赖于基因组序列和跨物种对齐信息。在这里，我们介绍可以从编码蛋白的转录中区分lncRNA的主要策略。特别地，最近可用的机器学习算法表明对基于转录组装配的转录物lncRNA能够有效的快速，精确鉴定大量假定lncRNA，这将提供对lncRNA生物学基础的理解。

下一代测序；预测；计算方法；机器学习；RNA序列