研究人員針對 PTEN 這個關鍵的抑癌基因，來探究調控該基因表達的ceRNA 網絡；
分析策略：
1）預測能調控該基因的miRNAs
通過miRanda 軟件預測和實驗驗證相結合的方式，挑選出 miR-17-5p, miR-19a,miR-19b, miR-20a, miR-20b, miR-26a, miR-26b, miR-93, miR-106a, miR-106b 等miRNA
2) 預測同時受這些miRNA 調控的其他基因
通過miRanda 軟件預測和實驗驗證相結合的方式，挑選出NCOA7, BCL11B, SERINC1, ZNF460, NUDT13,DTWD2, and VAPA 等候選基因進行后續分析；
3) 驗證共表達關系
體內實驗驗證候選基因和目標基因之間的共表達關系
從生物信息數據分析的角度看，只需要做兩步分析；
以上圖為例：對於目標RNA X, 預測能調控該RNA X的RNA Ｙ，當然ＲＮＡ Ｙ不會只有一個；１）第一步以miRNA 為橋梁，找到和其共享miRNA 調控的RNA Y;2) 第二步，分析RNA X 和 RNA Y 之間的共表達關系，如果是二者存在調控關系，則表達量會存在一個相關性，而且肯定是正相關關系
分析的過程有以下幾個難點：
1） 不同類型的RNA 和 miRNA 調控關系的准確性, miradna 軟件的結果肯定會存在一定的假陽性率；
2) 共表達分析時。閾值的篩選，文章中通過皮爾森相關性檢驗，計算相關系數和p值，在結果過濾時，僅僅使用了pvlaue < 0.001 ，挑選了顯著相關的結果，但是可以看到，挑選的結果候選基因和目標基因的表達量的相關系數都不是很高，這個閾值在分析時如何取舍，是不是說只要p值越低越好，相關系數的大小無所謂？只要在統計學上相關性顯著即可？
以上的問題都會導致預測的 ceRNA 網絡存在許多的假陽性，這個是目前的分析手段不可避免的，最好的做法是結合實驗手段去驗證。
參考文獻：Coding-independent regulation of the tumor suppressor PTEN by competing endogenous mRNAs.Cell. 2011 Oct 14;147(2):344-57.