编辑推荐：
冷泉港Gregory Hannon教授团队在研究高效shRNA序列设计上取得了突破性进展，在进行了大量shRNA 干扰序列的筛选，效果预测及验证工作的基础上，开发了一套预测shRNA干扰潜能的算法。
**代RNA干扰研究工具-small interference RNA（siRNA）由于其研究周期短、干扰效率低、无marker标记、有细胞毒性、高通量研究和体内研究受限等原因将逐渐被淘汰，科学工作者们一直在期许一种新的研究工具----shRNA干扰载体。冷泉港Gregory Hannon教授团队在研究高效shRNA序列设计上取得了突破性进展，在进行了大量shRNA 干扰序列的筛选，效果预测及验证工作的基础上，开发了一套预测shRNA干扰潜能的算法，将其命名为shERWOOD，相关文献已于2014年11月份发表在molecular cell杂志上（ Knott..A Computational Algorithm to Predict shRNA Potency. Molecular Cell ,November 26, 2014）。
Gregory Hannon教授
冷泉港RNAi中心负责人，休斯医学研究所（HHMI）研究员。致力于哺乳动物的生长调节研究及转录后的基因沉默现象研究。新生代shRNA预测算法一文的通讯作者。
1.权威shERWOOD算法预测shRNA序列有效性
shERWOOD算法是在对12组各包含25,000个shRNA序列的干扰潜能用sensor assay系统进行高通量同步评估（Functional identification of optimized RNAi triggers using a massively parallel sensor assay. Mol Cell. 2011 Mar 18;41(6):733-46.）的基础上诞生的。其预测性能较之现有的siRNA预测算法（ie. DSIR）增加了180%，较其他shRNA预测算法的性能提高了126%。Gregory Hannon教授发表的文章中对shERWOOD算法预测文库（transOMIC公司产品）、TRC文库和H-E V3文库的各27,000条shRNA进行了干扰潜能分析，使用shERWOOD算法预测的每一条shRNA干扰效率均在70%以上，干扰效果显著优于其他文库。
图1：shERWOOD算法图解
2.可模拟初级microRNA转录本的前卫载体结构设计—shRNA-UltramiR
将shRNA有效序列嫁接在mir-30的双尾结构表达框架下，这种模拟microRNA*初级转录本的shRNA表达模式，可使shRNA序列在内源性microRNA处理途径的*早期进入整个过程，形成更多功能性的干扰RNA，毒性更低。很多文章已揭示该类型的shRNA设计可显著改善由单纯shRNA累计造成的细胞毒性（McBride et al. 2008. PNAS 105; 15, 5868-5873；Pan et al., 2011. FEBS Lett. 6;585(7):1025-1030等）。对传统mir-30双尾结构进行改造，可显著增加shRNA序列被内源性Drosha酶识别和处理的效率（ Auyeung et al. Cell 152, 844–858, Feb 14, 2013 ）。
图2：优化的载体结构示意图
Greg教授对更高效地运载shRNA的ultramiR进行研究，将shRNA（shERWOOD算法预测的海肾荧光素酶的Renilla shRNA和小鼠RPA3 shRNA分别插入到传统mir30架构与ultramiR架构中，然后，分别对其下游形成的成熟shRNA的水平进行测序，发现shRNA-ultramiR形成的下游成熟shRNA显著多于shRNA-mir30的传统表达模式。
3.条条都稳定高效的干扰shRNA由transOMIC厂家独家奉献
transOMIC厂家的shERWOOD-UltramiR shRNA与目前市面上主流的两大家RNAi工具生厂商的产品进行对比发现，S公司的TRC文库的shRNA在不同基因中的干扰潜能是不稳定的，产品并没有很好的均一性；G公司的H-E V3文库中的shRNA在不同基因中的干扰稳定性也不均一，个别基因甚至都没有高效的shRNA产品；而基于shERWOOD算法预测的shRNA与ultramiR的完美结合可以保证在所有基因中的均一、稳定的干扰潜能。
图3：shERWOOD-ultramiR稳定高效的干扰潜能. 对小鼠Mgp、Serpine2和Slpi基因分别进行转录水平上的knockdown分析后发现，shERWOOD shRNA的干扰潜能是*高、在不同基因中也是*均一的。
本图摘自Knott..A Computational Algorithm to Predict shRNA Potency. Molecular Cell ,November 26, 2014
生物通微信公众号
生物通 版权所有
