Workflow der LncRNA-Sequenzierung und deren Datenanalyse

Einführung in die LncRNA-Sequenzierung

LncRNA ist nicht-kodierende RNA mit einer Länge von mehr als 200 Nukleotiden. Im Vergleich zu mRNA ist lncRNA im Allgemeinen niedrig exprimiert und weist eine stärkere Gewebespezifität auf. Als ein Schwerpunkt der RNA-Forschung, lncRNA reguliert die Expression von kodierenden Genen auf verschiedenen Ebenen, einschließlich epigenetischer Vererbung, Transkription und Post-Transkription. Im Unterschied zur traditionellen Chip-Inspektion kann die lncRNA-Analyse in Kombination mit Hochdurchsatz-Sequenzierungstechnologie und bioinformatischer Analyse die Informationen über lncRNA in Proben umfassend erschließen. LncRNA-Sequenzierung Technologie wurde umfassend im genetischen Fortschritt von Arten sowie in der Krankheitsforschung zu Auftreten, Entwicklung, Diagnose und Behandlung eingesetzt.

Lang-nicht-kodierende RNA (lncRNA) Sequenzierung umfasst Hochdurchsatz-Sequenzierung einer Klasse von nicht-kodierenden RNAs, die innerhalb von Zellen mit einer Länge von über 200 Nukleotiden produziert werden. Der Bibliotheksaufbau erfolgt mittels einer Methode, die ribosomale RNA (rRNA) eliminiert, gefolgt von der Anwendung von Hochdurchsatz-Sequenzierungstechnologien, unterstützt durch eine robuste bioinformatische Analyseplattform. Dieser Ansatz ermöglicht umfassende und tiefgehende Studien aller bekannten oder neuartigen lncRNAs, die in einer bestimmten Probe vorhanden sind.

Die Verwendung von strangspezifischer Bibliothekskonstruktion für lncRNAs verleiht dem Ansatz bestimmte Vorteile im Vergleich zu herkömmlichen Techniken zur Konstruktion von Transkriptombibliotheken. Der wichtigste Vorteil besteht darin, dass strangspezifisches Sequenzieren die transkriptionale Richtung der beiden RNA-Stränge bestimmen kann, wodurch Fehler während des Alignierungsprozesses reduziert werden. Darüber hinaus liefert das Sequenzieren von lncRNA-Bibliotheken reichhaltigere Informationen. Der Aufbau einer lncRNA-Bibliothek erfolgt im Rahmen von mRNA + lncRNA, sodass eine einzelne Runde der Bibliothekskonstruktion gleichzeitig Daten zu beiden liefert. mRNA und lncRNAs.

Der Workflow der LncRNA-Sequenzierung

Ein typischer lncRNA-Sequenzierung umfasst die Qualitätsbewertung von Gesamt-RNA, die Bibliotheksvorbereitung und das Sequenzieren. Vom RNA-Proben bis zu den endgültigen Daten hat jeder Schritt Einfluss auf die Datenqualität und -quantität. Daher ist die Gewinnung von hochwertigen Daten die Voraussetzung für eine umfassende und glaubwürdige Analyse biologischer Informationen.

Abbildung 1. Übersicht über lncRNA-Sequenzierung.

Gesamt-RNA-Detektion: Es umfasst hauptsächlich die Analyse des RNA-Abbaugrads und der Kontamination, die Bestimmung der RNA-Reinheit (OD260/280-Verhältnis), die genaue Quantifizierung der RNA-Konzentration (Qubit) und die Überprüfung der RNA-Integrität.

Bibliothekskonstruktion: Nachdem die gesamte RNA für die Bibliotheksvorbereitung qualifiziert ist, basiert die Poly-A-gestützte mRNA Die Anreicherung gefolgt von der Fragmentierung der mRNA wird durchgeführt, um rRNA-Lesevorgänge zu reduzieren. Anschließend wird cDNA aus angereicherter und fragmentierter RNA unter Verwendung von reverser Transkriptase (Super-Script II) und zufälligen Primern synthetisiert. Die cDNA wird weiter in doppelsträngige DNA umgewandelt, indem eine Pufferlösung, dNTPs (dUTP, dATP, dGTP und dCTP) und Polymerase verwendet werden. Die cDNA-Fragmente werden am Ende repariert und an plattformspezifische Adapter ligiert.

Der entscheidende Unterschied zwischen lncRNA-seq und konventionell Transkriptom-Sequenzierung Die Bibliothekskonstruktion beruht auf der Methode der Anreicherung von Ziel-RNA. Erstere verwendet einen negativen Selektionsprozess, um rRNA zu entfernen, während letztere eine positive Selektion nutzt, um hauptsächlich anzureichern. mRNA Mit anschließenden Schritten, die identisch sind. Nach der Probenqualifizierung wird mit dem Bau der Bibliothek begonnen. Totale RNA (>200) wird aus Gewebeproben extrahiert und rRNA wird mit einem Reagenzkit aus der Probe entfernt. Nach der Fragmentierung werden zufällige Primer und reversen Transkriptase verwendet, um den ersten cDNA-Strang zu synthetisieren, gefolgt von der Synthese des zweiten cDNA-Strangs. Die gereinigte doppelsträngige cDNA unterzieht sich einer Endreparatur, Adenylataddition und Ligatur von Sequenzadaptern. Schließlich werden cDNA-Bibliotheken durch PCR-Amplifikation erhalten.

Abbildung 2. Illustration des Aufbaus einer lncRNA-seq-Bibliothek.

Bibliotheksdetektion und SequenzierungNach dem Bau der Bibliothek werden zunächst Quantifizierung und Verdünnung durchgeführt, und anschließend wird die Fragmentgröße der Bibliothek getestet. Um die Qualität der Bibliothek zu bestimmen, können wir hauptsächlich den Abbauzustand der mRNA und die Größe der eingefügten Fragmente betrachten. Wenn ein Abbau der mRNA auftritt, zeigen die degradierten Sequenzen wenige oder sogar keine Leseausrichtungen. Je höher die Zufälligkeit der mRNA Fragmentierung, je gleichmäßiger die Abdeckung der Reads innerhalb jedes Bereichs ist. Hiseq/Miseq-Sequenzierung wird nach der Bibliotheksinspektion durchgeführt.

LncRNA-Sequenzierungsdatenanalyse

Der Analyseprozess für lncRNA-seqim Vergleich zur Transkriptom-Sequenzierung stellt eine wesentliche Unterscheidung dar – die Notwendigkeit, zwischen mRNA und lncRNA zu unterscheiden. Der grundlegende Unterschied zwischen mRNA und lncRNA ist die nicht kodierende Natur von lncRNA. Basierend auf ihrem Kodierungspotenzial kann eine Unterscheidung zwischen mRNA und lncRNA. Bis jetzt sind selbst für Modellarten die lncRNA-Einträge in Referenzgenomen nicht umfassend. Daher besteht während der Analyse oft die Notwendigkeit, neue Transkripte (die nicht im Referenzgenom enthalten sind) zu assemblieren oder vorherzusagen. Anschließend müssen diese neu assemblierte Transkripte auf ihr Kodierungspotenzial bewertet werden, um die Sequenz- und Expressionsdaten der neu vorhergesagten lncRNAs zu beschaffen. lncRNA-seq kann die Expression und differenzielle Informationen von mRNA, die Expression und differenzielle Informationen von bekannten lncRNAs (die im Referenzgenom enthalten sind) und neu vorhergesagten lncRNAs sowie mögliche regulatorische Beziehungen zwischen lncRNAs und mRNAs analysieren. Die Analysen, die in der Regel durchgeführt werden können Transkriptom-Sequenzierung kann auch in umgesetzt werden lncRNA-seq.

Die Datenanalyse und Identifizierung von lncRNAs sind wie folgt aufgeführt:

Abbildung 3. Übersicht über die Datenanalyse und Identifizierung von lncRNAs.

(1) Datenvorverarbeitung

• Qualitätsbewertung. Nach dem Erhalt der Rohdaten (fastq-Dateien) wird die Qualität der ursprünglichen Reads, einschließlich der Verteilung der Sequierungsfehlerquote und der Verteilung des GC-Gehalts, mit FastQC v0.11.3 bewertet.
• Datenfilterung. Die ursprünglichen Sequenzierungsdaten enthalten niedrigqualitative Reads und Adaptersequenzen. Um die Qualität der Datenanalyse sicherzustellen, müssen die Rohreads gefiltert werden, um saubere Reads zu erhalten, und die anschließende Analyse basiert auf sauberen Reads. Die Datenfilterung umfasst hauptsächlich die Entfernung von Adaptersequenzen in den Reads, die Entfernung von Reads mit einem hohen Anteil an N (N steht für die unbestimmte Baseninformation) und die Entfernung von niedrigqualitativen Reads. Dieser Prozess wird mit Cutadapt und Trimmomatic durchgeführt.

(2) Gesamte Qualitätsbewertung von RNA-Seq. Es umfasst hauptsächlich die Bewertung der Inter-Sample-Korrelation (Pearson-Korrelationskoeffizient) und die Bewertung der gleichmäßigen Verteilung.

(3) Ausrichtung der Reads an das Referenzgenom. Der STAR-Aligner und Tophat 2 werden häufig für die Ausrichtung von Reads verwendet. Wenn das Referenzgenom richtig ausgewählt ist und keine Kontamination in den Experimenten vorliegt, liegen die Ergebnisse der Zuordnung (insgesamt zugeordnete Reads oder Fragmente) normalerweise über 70 %.

(4) Datenexploration. Nachdem die Dateien sortiert sind, wird DESeq2 zur Datenexploration verwendet. Die Ausgabeergebnisse können für die Clusteranalyse und die PCA (Hauptkomponentenanalyse) von RNA-seq-Proben verwendet werden, und die Beziehung zwischen den Proben kann untersucht oder das experimentelle Design überprüft werden. Je näher der Clusterabstand oder der PCA-Abstand der Proben ist, desto ähnlicher sind die Proben.

(5) Zusammenstellung von Transkripten. Die Transkripte werden mit Cufflinks oder Scripture-Software erstellt. Cufflinks verwendet das Wahrscheinlichkeitsmodell, um das Isoform-Set so klein wie möglich zusammenzustellen und den Expressionsgrad zu quantifizieren, um die maximale Wahrscheinlichkeitserklärung der Expressionsdaten am Mapping-Punkt zu liefern und die Ketteninformationen genau mit spezifischen Parametern für die ketten-spezifische Bibliothek bereitzustellen. Scripture, das auf einem statistischen Segmentierungsmodell basiert, um zwischen Expressionsstandorten und experimentellem Hintergrundrauschen zu unterscheiden, liefert Informationen über alle Isoformen mit statistisch signifikanten Expressionen am Mapping-Standort und ist anwendbar auf die Zusammenstellung langer Transkripte.

(6) Screening von Kandidaten-lncRNA

• Grundlegende Überprüfung. Das grundlegende Screening besteht aus drei Schritten: Zunächst werden Transkripte ausgewählt, deren Länge größer als 200 bp ist und deren Anzahl an Exons größer als 2 ist; dann wird die Abdeckung jedes Transkripts mit Cufflinks berechnet, und die Transkripte mit einer minimalen Abdeckung von Reads größer als 3 werden ausgewählt; schließlich werden nicht-lncRNAs durch den Vergleich mit bekannten nicht-... herausgefiltert.lncRNAund die Ergebnisse von Cuffmerge werden für die Positionsscreening verwendet (verschiedene Klassencodes werden für verschiedene Arten von lncRNA ausgewählt).
• Bewertung des Codierungspotenzials. Das Codierungspotenzial ist der entscheidende Faktor zur Beurteilung. lncRNA. Derzeit umfassen die gängigen Methoden zur Kodierungspotenzialanalyse die Analyse des Coding Potential Calculator (CPC), die Analyse des Coding-Non-Coding Index (CNCI), die PFAM-Protein-Domänenanalyse und die PhyloCSF-Analyse.

(7) Ausdrucksanalyse. Es umfasst hauptsächlich den Vergleich der Expressionsniveaus, die Analyse der differentiellen Expression und das Screening von differentiell exprimierten lncRNAs, die Clusteranalyse der lncRNA-Expression sowie die gewebespezifische oder phänotypische Analyse. Diese Analysen werden normalerweise mit DESeq oder Cuffdiff durchgeführt.

(8) Fortgeschrittene Analyse

• LncRNA Zielgenvorhersage. Die Funktion von lncRNA steht im Zusammenhang mit dem benachbarten kodierenden Protein-Gen. Die benachbarten Protein-kodierenden Gene von lncRNA werden für eine funktionelle Anreicherungsanalyse identifiziert, und die Hauptfunktion von lncRNA könnte in lncRNATargets vorhergesagt werden.
• Funktionelle Anreicherungsanalyse spezifischer lncRNA. Spezifisches lncRNA bezieht sich im Allgemeinen auf das lncRNA mit differentieller Expression oder gewebespezifischer oder phänotypischer spezifischer Expression. Die funktionelle Anreicherungsanalyse dieser spezifischen lncRNAs kann jeweils durch GO und KEGG durchgeführt werden.
• Interaktionsanalyse. LncRNA und mRNA kann durch die Zielbeziehung verbunden werden, und die mRNA kann durch Protein verbunden sein, wodurch das Interaktionsnetzwerk von lncRNA-mRNA-Protein entsteht. Diese Interaktion kann mit Cytoscape visualisiert werden.

Unter Verwendung der Studie von Wei et al. mit dem Titel "Die Analyse der Sequenzierung von langkettigen nicht kodierenden RNAs zeigt die molekularen Profile chemisch induzierter Mammakarzinomzellen", werden wir die Datenanalyse von LncRNA-Sequenzierung.

Identifizierung von lncRNA-Transkripten:

Analyse des Kodierungspotenzials unter Verwendung verschiedener Softwaretools wie CNCI, CPC, Pfam-scan und CPAT. Die von diesen Tools identifizierten nicht-kodierenden Transkripte wurden gezählt, und gemeinsame sowie einzigartige Transkripte aus jeder Methode wurden mithilfe von Venn-Diagrammen visualisiert. Die Schnittmenge der vorhergesagten Ergebnisse wurde für die anschließende Analyse als Datensatz für neuartige lncRNA betrachtet.

Abbildung 4. Identifizierung von lncRNA-Transkripten.

Struktur und Charakterisierung von lncRNAs:

Durch Bioinformatikanalyse, kann man Aspekte von lncRNAs und Messenger-RNAs (mRNAs) wie deren Transkriptlänge, die Anzahl der Exons und deren jeweilige Expressionsniveaus. Die Ergebnisse können den konzentrierten Bereich der lncRNA-Längen, die Anzahl der Exons in lncRNAs sowie eine vergleichende Maßnahme der globalen Expressionsvolumina zwischen mRNAs und lncRNAs aufzeigen.

Abbildung 5. Vergleichende Analyse der strukturellen Merkmale von lncRNA und mRNA.

Differenzielle Expressionsanalyse von lncRNAs:

DESeq wurde für die Analyse der differentiellen Expression unter Verwendung der Kriterien |log2Fold Change|≥2 und p < 0,05 eingesetzt. Identifizierte signifikant differentiell exprimierte lncRNAs umfassten sowohl bekannte als auch neuartige Transkripte. Heatmaps wurden erstellt, um die Expressionsmuster der differentiell exprimierten lncRNAs zu visualisieren. lncRNAs zwischen Gruppen.

Abbildung 6. Analyse der unterschiedlich exprimierten lncRNA.

Differenziell exprimierte lncRNA-gezielte mRNA-Vorhersage:

Vorhersage von Zielgenen von DE lncRNAs Verwendung sowohl von cis- als auch von trans-Zielanalyse-Methoden. Identifizierung gemeinsamer Zielgene unter mehreren signifikant unterschiedlichen. lncRNAsHeatmap-Visualisierung der unterschiedlich exprimierten Zielgene zwischen den experimentellen Gruppen.

Abbildung 7. Heatmap der unterschiedlich exprimierten Zielgene.

Validierung der lncRNAs und der Expression von Zielgenen durch RT-PCR:

Sechs DE lncRNAs und vier potenzielle Zielgene wurden zur Validierung mittels RT-qPCR ausgewählt. Die Expressionsniveaus der ausgewählten lncRNAs Und Zielgene wurden in Ziegenfibroblasten und induzierten mammären Epithelzellen gemessen. Die RT-qPCR-Ergebnisse stimmten mit den Ausdruckstrends überein, die in den Transkriptom-Sequenzierungsdaten beobachtet wurden, was die Genauigkeit der Sequenzierungsergebnisse bestätigte.

Abbildung 8. Vergleich der Ergebnisse der lncRNA-seq- und RT-qPCR-Analyse von DE lncRNAs und Zielgenen in der CK-Gruppe im Vergleich zur 5i8d-Gruppe.

Funktionale Annotationsanalyse von Zielgenen: GO und KEGG:

Die Ergebnisse der Genontologie (GO) sind in drei Kategorien unterteilt: Biologischer Prozess (BP), Zellkomponente (CC) und Molekulare Funktion (MF). Durch die Durchführung von GO-Anreicherungsanalysen wurde offenbart, dass diese Zielgene dynamische Rollen bei der Regulierung zahlreicher biologischer Prozesse spielen, einschließlich der Modulation von Stoffwechselprozessen, der Proteinsynthese, der Rezeptorbindung und der Regulation der Tyrosinkinaseaktivität. Die Anreicherungsanalyse, die aus dem Kyoto-Enzyklopädie der Gene und Genome (KEGG) stammt, hat zusätzliche Einblicke geliefert und das Verständnis der biologischen Wege und Signaltransduktionsnetzwerke, an denen diese Zielgene beteiligt sind, unterstützt.

Abbildung 9. Funktionale Annotationsanalyse der Zielgene.

Interaktionsnetzwerk von lncRNA und mRNA:

Zusätzlich, basierend auf dem erkannten differentiellen Ausdruck von lncRNA- und mRNA-Genen sowie den vorhergesagten cis- und trans-Zielgenen von lncRNAMan könnte eine Analyse des regulatorischen Netzwerks erstellen, um das komplexe Zusammenspiel zwischen differentiell exprimierten lncRNAs und ihren jeweiligen Zielgenen darzustellen.

Abbildung 10. Das regulatorische Netzwerk von unterschiedlich exprimierten lncRNAs und Zielgenen.

Der Vorteil der LncRNA-Sequenzierung

Bibliotheksoptimierung: Durch den Einsatz von Ribosomaler RNA-Depletion und strangspezifischen Bibliothekskonstruktionsmethoden bewahrt unser Ansatz die Integrität beider lncRNA und mRNA-Sequenzen sowie deren richtungsbezogene Informationen.

Umfassende Sequenzierung: Fast alle lncRNA- und mRNA-Sequenzen in den Proben wurden identifiziert und analysiert, was eine umfassende Abdeckung gewährleistet.

Hohe Empfindlichkeit und Auflösung: Durch den Einsatz von Hochdurchsatz-Sequenzierungstechnologie ermöglicht die LncRNA-Sequenzierung die Erkennung und Quantifizierung von niedrig exprimierten LncRNAs mit bemerkenswerter Sensitivität und Auflösung.

Artenvielfalt: Wir führten die Identifizierung und Analyse von lncRNAs über eine Vielzahl von Arten durch, einschließlich Menschen, Tieren und Pflanzen, was den vielfältigen taxonomischen Umfang unserer Untersuchung unterstreicht.

Dynamik: LncRNA-Sequenzierung dient als leistungsstarkes Werkzeug zur Untersuchung der dynamischen Expressionsmuster von lncRNAs, einschließlich der Veränderungen in verschiedenen Entwicklungsstadien, Geweben und physiologischen Zuständen. Dies verdeutlicht die spatiotemporalen Regulationsmechanismen von lncRNAs in verschiedenen biologischen Prozessen.

Strenge Analyse: Unser Ansatz umfasste die sorgfältige Kuratierung von lncRNA-Datenbanken zur Identifizierung bekannter lncRNAs sowie die Umsetzung strenger Filterkriterien zur Entdeckung neuer lncRNAs, um die Präzision und Zuverlässigkeit unserer Analyse zu gewährleisten.

Umfassende Korrelationen: Beginnen Sie mit einer gründlichen Untersuchung, indem Sie lncRNA mit mRNA verknüpfen und tiefer in die von lncRNA gesteuerten regulatorischen Netzwerke eintauchen.

Individuelle Variabilität: lncRNA-Sequenzierung kann Unterschiede in der lncRNA-Expression zwischen Individuen aufdecken, was das Verständnis der Variationen in der individuellen lncRNA-Expression und ihrer Rolle bei Krankheiten, die bestimmten Individuen eigen sind, unterstützt.

Ausgangspunkt für funktionale Forschung: Diskrepante lncRNA-Expressionen können herausgefiltert werden. lncRNA-SequenzierungDiese Informationen dienen als zentraler Dreh- und Angelpunkt für Forschungsbemühungen, die ihre Funktion und regulatorischen Mechanismen innerhalb biologischer Prozesse weiter untersuchen.

Anwendung der LncRNA-Sequenzierung

Die Anwendung von Volltext lncRNA-Sequenzierung Die Technologie hat Zelltypen mit ihrem Schicksal, Zustand und ihrer Funktionalität verbunden. Dies hat die Entwicklungen in Bereichen wie der Entwicklungsbiologie, Onkologie, Neurowissenschaften, Immuninfektion und Umwelttoxikologie beschleunigt.

Die Erforschung der molekularen Mechanismen von lncRNAs in der Entwicklung und im Wachstum. Zum Beispiel entdeckten Li et al., dass ein neuartiges trans-aktives lncRNA, das durch die Acetylierung des Histons H3 an Lysin 4 reguliert wird, das epigenetische Merkmal des ACTG1-Gens ist. Diese Ergebnisse bilden die theoretische Grundlage für zukünftige funktionale Analysen von lincRNAs in der Brassicaceae. Darüber hinaus fanden Yu et al. heraus, dass das Apfel-lncRNA MdLNC610 unter hoher Lichtintensität an der Akkumulation von Anthocyanen in der Apfelschale beteiligt ist, indem es die Ethylenbiosynthese aktiviert. Diese bahnbrechenden Ergebnisse zeigen die entscheidende Rolle, die lncRNAs im Wachstum und in der Entwicklung von Pflanzen spielen.

Der Aufbau von vollständigen lncRNA-Atlanten über verschiedene Arten/Gewebe/Krankheiten ermöglicht die Bestimmung von lncRNA Ausdrucksmuster innerhalb phylogenetischer Linien. Zum Beispiel haben Kyle Palos und Kollegen eine Datenbank für lange intergenische nicht-kodierende RNAs (lincRNAs) von vier Brassicaceae-Arten erstellt, indem sie zahlreiche lincRNA-Datenbanken sowie die RNA-Sequenzierungstechniken für kurze und lange Reads zusammengeführt haben. Sie konnten nicht nur die konservierten Sequenzen von vollwertigen lincRNAs bestätigen, sondern auch deren funktionale Elemente wie sORFs, strukturelle Regionen und miRNA-Interaktionssequenzen festlegen, wodurch sie die theoretische Grundlage für weitere Analysen der lncRNA-Funktionalitäten stromaufwärts und stromabwärts in der Familie der Brassicaceae legten.

Abbildung 11. Identifizierung und grundlegende Eigenschaften von lincRNAs in vier Kreuzblütlern. (Palos et al., 2022)

Im Bereich der Onkologie die Analyse abnormaler Gen-Spleißung in Tumorzellen und Proben aus dem Mikroumfeld sowie die Untersuchung der Schlüsselfaktoren. lncRNA Teilnehmer und Regulierungsbehörden im Spleißprozess können helfen, die molekularen Mechanismen von lncRNA bei der Tumorprogression zu entschlüsseln. Dies könnte auch die Entwicklung von frühen molekularen Markern für die Tumordiagnose unterstützen. Zum Beispiel haben Lan et al. festgestellt, dass lncRNA SNHG6 kann hnRNPA1 dazu anregen, mRNA PKM spezifisch zu splicen, wodurch das Verhältnis von PKM2 zu PKM1 erhöht wird, die aerobe Glykolyse in kolorektalen Krebszellen verstärkt wird und somit die Karzinogenese gefördert wird.

Abbildung 12. Der Ausdruck von hnRNP-Proteinen korreliert positiv mit dem Ausdruck von SNHG6 bei kolorektalem Krebs. (Lan et al., 2020)

Die Untersuchung der Immunzellantworten des Wirts, die die funktionale Regulierung von lange nicht-kodierende RNAs (lncRNAs) involvierten Immunantworten des Wirts sind von größter Bedeutung. Jüngste Forschungsergebnisse zeigen, dass der Transkriptionsfaktor FUBP3 als RNA-bindendes Protein fungieren kann, das synergistisch mit lncRNA EST12 interagiert, um die Expression von Zytokinen wie Interleukin (IL)-1β und IL-6 zu unterdrücken und somit die Proliferation von Mycobacterium tuberculosis (MTB) zu fördern. Es wurde beobachtet, dass die Infektion mit dem Standard-MTB-Stamm H37Rv zur Herunterregulierung der lncRNA GAS5-Expression in Makrophagen führt, und durch die gezielte Beeinflussung von miR-18a-5p gibt es eine entsprechende Verbesserung der Vitalität der Makrophagen. Parallel dazu steigen die Expressionsniveaus der lncRNAs NORAD und SNHG16 nach der Infektion an. Diese lncRNAs regulieren negativ ihre jeweiligen Zielgene miR-618 und miR-140-5p und erreichen so eine Kontrolle über die Proliferation von Makrophagen und die Entzündungsreaktionen, was wiederum den Verlauf der MTB-Infektion beeinflusst.

Die Forschung beschäftigt sich mit den Veränderungen in der Expression von langen nicht-kodierenden RNAs (lncRNAs) auf zellulärer Ebene unter dem Stress verschiedener Arten von Umweltverschmutzungen. Zu diesen Schadstoffen gehören polyzyklische aromatische Kohlenwasserstoffe, polychlorierte Biphenyle, polybromierte Diphenylether, Benzol, Bisphenolverbindungen, per- und polyfluorierte Alkylsubstanzen, Arzneimittel und Körperpflegeprodukte, Pestizide, Schwermetalle, Nanomaterialien und PM2.5-Partikel. Das Ziel ist es, die Probleme an der Schnittstelle zwischen Umwelttoxikologie zu entschlüsseln und die molekularen Mechanismen aufzudecken, durch die lncRNAs toxischen Effekten von Umweltkontaminanten beiträgt. Cao et al. wählten mehrere gut untersuchte lncRNAs aus, darunter Birc6-AS2, Mettl3, Malat1, Stedlb1a und Oip5-AS als Referenzziele. Sie setzten Zebrafischembryonen Lösungen von Quecksilberchlorid, Methylquecksilber, Blei(II)-chlorid, Cadmiumchlorid und Chromsäure aus. Sie fanden eine unterschiedliche Expression von lncRNA Malat1 unter der Exposition gegenüber Quecksilberchlorid und Methylquecksilber. Gleichzeitig wies die quecksilberexponierte Gruppe von Zebrafischembryonen auffällige neurobehaviorale Störungen auf, was darauf hindeutet, dass die quecksilberspezifische Induktion von lncRNA ist an den neurotoxischen Effekten von Quecksilber beteiligt.

Wenn Sie an unserem interessiert sind lncRNA-Sequenzierung Service, zögern Sie bitte nicht, unsere Wissenschaftler zu kontaktieren. Darüber hinaus bieten wir ein Paket von Transkriptom-Sequenzierung Dienstleistungen, die betreffen RNA-Seq, kleine RNA-Sequenzierung, circRNA-Sequenzierung, Degradom-Sequenzierung, und bakterielle RNA-Sequenzierung.

Referenzen:

1. Arrigoni, A., Ranzani, V., Rossetti, G., Panzeri, I., Abrignani, S., Bonnal, R. J. P., et al. (2016). Analyse von RNA-seq und nicht-kodierender RNA. Polycomb-Gruppe-ProteineSpringer New York.
2. Anders, S. und Huber, W. (2010) 'Differenzielle Expressionsanalyse für Sequenzzählungsdaten'. Genomik Biologie. 11: R106.
3. Guo, X., Gao, L., Wang, Y., Chiu, D. K., Wang, T. und Deng, Y. (2015). Fortschritte bei langen nicht kodierenden RNAs: Identifizierung, Strukturvorhersage und Funktionsannotation. Briefings in der funktionellen Genomik, 15(1), 38-46.
4. Guttman, M., Garber, M., Levin, J. Z., Donaghey, J., Robinson, J., Adiconis, X. u. a. (2010). Ab initio Rekonstruktion von zellspezifischen Transkriptomen in Mäusen zeigt die konservierte multi-exonische Struktur von lincRNAs. Naturbiotechnologie, 28(5): 503-510.
5. Trapnell, C., Roberts, A., Goff, L., Pertea, G., Kim, D., Kelley, D. R., et al. (2012). Differenzielle Analyse der Gen- und Transkriptausdrücke von RNA-seq-Experimenten mit TopHat und Cufflinks. Naturprotokoll, 7(3): 562-578.
6. Wei M, Tang W, Lv D, et al. Die Sequenzierungsanalyse von langkettigen nicht kodierenden RNAs zeigt die molekularen Profile chemisch induzierter Brustepithelzellen. Grenzen der Genetik, 2023, 14: 1189487.
7. Li N, Zhou Y, Cai J, et al. Eine neuartige trans-aktive lncRNA von ACTG1, die die Umgestaltung von Eierstöcken induziert. Internationale Zeitschrift für biologische Makromoleküle, 2023, 242: 125170.
8. Palos K, Nelson Dittrich A C, Yu L, et al. Identifizierung und funktionale Annotation von langen intergenen nicht-kodierenden RNAs in Brassicaceae. Die Pflanzenzelle, 2022, 34(9): 3233-3260.
9. Yu J, Qiu K, Sun W, et al. Eine lange nicht kodierende RNA wirkt bei der lichtinduzierten Anthocyaninakkumulation in Äpfeln, indem sie die Ethylenproduktion aktiviert. Pflanzenphysiologie, 2022, 189(1): 66-83.
10. Lan Z, Yao X, Sun K, et al. Die Interaktion zwischen lncRNA SNHG6 und hnRNPA1 trägt zum Wachstum von kolorektalem Krebs bei, indem sie die aerobe Glykolyse durch die Regulation des alternativen Spleißens von PKM verstärkt. Grenzen der Onkologie, 2020, 10: 363.
11. Cao M, Song F, Yang X, et al. Identifizierung eines potenziellen langanhaltenden nicht kodierenden RNA-Biomarkers für Quecksilberverbindungen in Zebrafischembryonen. Chemische Forschung in der Toxikologie, 2019, 32(5): 878-886.