识别方法比较
虽然人们对circRNA的价值期望很高，但是在对它的认识还令人捉急。已被证实的真实的circRNA寥寥无几，所以并没有一个金标准来评估circRNA的识别方法和流程。因此，对已有的方法进行评估从而寻找最优识别策略，对于研究circRNA非常关键。
Hansen,Nuclear acid research,2015.101
在2015年10月，Hansen, et.al.在NAR上发表了5种方法（circRNA_finder, find_circ, CIRCexplorer, CIRI, MapSplice）的比较。本来作者打算比较七种方法，但另外两种方法KNIFE和segemehl作者没有实现（PS. KNIFE我也没有实现，给作者Linda Szabo发送报告，也没了下文……）。作者使用了RNase R处理和未处理的对照样本（2x2，来源于Jeck, et.al.,20132), RNase R处后获得的circRNA为真阳性，RNase R降解掉的circRNA作为假阳性——这样设定有很大的局限性，因为许多circRNA都能够被降解掉， 包括已证实的CDR1as（Salzman, 20163)。
文章从识别数量、敏感性、真阳性率、运行速度、所耗内存等方面对5种方法进行了评估，并汇总成了一个表。
另外，作者发现两两方法组合能使假阳性率很大程度地降低——单个为12%~28%，5种方法为6%， 两两为8%~12%。如果有意向但没时间研究所有方法，建议阅读原文看两两方法的评估。最后，作者表示，如果想要更快地获得circRNA，使用circRNA_finder和find_circ组合是一个不错的选择。
- P.S. 各种算法可能有相应的升级，例如find_circ和CIRCexplorer
- 其中，CIRCexplorer2也更新了de novo寻找新的circRNA的特征
Salzman,
参考文献 1Hansen T B, Venø M T, Damgaard C K, et al. Comparison of circular RNA prediction tools[J]. Nucleic acids research, 2016, 44(6): e58-e58. 2Jeck W R, Sorrentino J A, Wang K, et al. Circular RNAs are abundant, conserved, and associated with ALU repeats[J]. Rna, 2013, 19(2): 141-157. 3Szabo L, Salzman J. Detecting circular RNAs: bioinformatic and experimental challenges[J]. Nature Reviews Genetics, 2016, 17(11): 679-692.