乌拉尔图小麦里有3万个miRNA？

我们上周发了关于A基因组的解读Nature在线发表小麦二倍体祖先乌尔图基因组的研究论文，后面有位小伙伴留言对我们文中提到的31,269个miRNA表示怀疑，并建议我们复查原文是否我们写错了，是mRNA，而我们写成了miRNA。这一点在阅读原文的时候我们也注意到了，并且特意查看了材料与方法中所使用的方法，原文就是这么写的。那么31,269miRNA是怎么来的呢？

Moreover, we identified 31,269 microRNAs (miRNAs), 5,810 long non-coding RNAs (lncRNAs), 3,620 transfer RNAs (tRNAs), 80 ribosomal RNAs (rRNAs) and 2,519 small nuclear RNAs (snRNAs) throughout the genome (Extended Data Table 1d).

文中提供的信息来看是通过Infernal来预测的，就是纯预测的，假阳性非常高，不然那些研究miRNA的专家可以找个地方哭去了。如果用过softberry预测基因想必对此不会陌生。如果按照一般的miRNA鉴定思路会怎么来呢？

1 可以通过同源搜索，加上二级结构预测。即已知水稻，拟南芥等的miRNA序列，搜索小麦的同源序列，进而进行二级结构预测。这样能够找到一些非常保守的miRNA。小麦很早期的研究里会包括这样一个过程。

2 构建 small RNA文库，mapping至基因组或转录组，进而利用软件进行二级结构预测，选出符合条件的miRNA。关于miRNA的标准，我们前面曾介绍过在大数据时代重新审视植物miRNA注释的标准，文中明确说到，如果一篇文章里鉴定到成百上千的新miRNA，那一定是有问题的。这里mapping的对象首要的选择是转录本序列，而不是基因组序列。之所以用基因组，是因为转录本是有限条件下获取的，不能代表所有真实存在的转录本。而使用基因组序列呢，也要注意一些不能mapping至基因组的小RNA也可能是因为位于可变剪切位点上。

研究单独的一个miRNA序列，还需要找到star sequence，前体序列以及初级转录本。甚至预测并验证其真正的靶基因，这才算是真正有功能的miRNA。这一点完全可以参照毛龙研究员14年发表在 plant cell上的文章“mRNA and Small RNA Transcriptomes Reveal Insights into Dynamic Homoeolog Regulation of Allopolyploid Heterosis in Nascent Hexaploid Wheat”。

小麦的研究miRNA也有些难点，我们常说小麦有很多重复序列，实际上在前期确实也鉴定到一些和重复序列有关的miRNA，但这些miRNA到底是有哪些位点转录出来的，确定起来还是有一定的难度。

最后要提醒大家，在使用这些参考序列时，心里面一定要数，这些参考序列不是100%正确的，给你的基因也有可能会出错。拿中国春来说，现在是1.0版本，相信不久就会推出2.0版本来纠正1.0版本的错误。人类基因组也是随着技术的进步不断在完善。当我们碰到结果矛盾的时候，最好也考虑下这方面的问题。