湖羊lncRNA-269的鉴定及转录调控分析

[目的]本文旨在研究湖羊长链非编码RNA-269(long no-coding RNA-269,lncRNA-269)序列特征、表达模式和转录调控,为后续开展lncRNA-269的功能研究提供理论基础。[方法]以湖羊为研究对象,采用5′/3′RACE结合PCR扩增方法获得其序列全长,利用RT-qPCR方法鉴定其在湖羊组织中的表达模式,并利用PCR方法扩增其启动子区,鉴定其启动子区特征,分析其转录调控情况。[结果]湖羊lncRNA-269全长3 146 bp,组织表达谱显示其在湖羊各组织中广泛表达,且在健康卵泡中显著高表达,其表达水平与NR5A1 mRNA水平和血清中雌二醇(E_(2))水平呈正相关。荧光素酶活性分析发现在lncRNA-269启动子区的-359~-17 nt有1个转录激活基序,在-1 485~-942 nt有1个转录抑制基序。JASPAR软件预测发现在lncRNA-269转录抑制启动子区域存在FOXO3、PDX1等转录因子结合位点,在转录激活区域有SMAD4、YY1等转录因子结合位点。过表达SMAD4可显著提升lncRNA-269启动子区荧光素酶活性,染色质免疫沉淀(ChIP)-PCR试验进一步确认了SMAD4特异性与lncRNA-269启动子区结合。[结论]湖羊lncRNA-269在健康卵泡中显著高表达,其启动子区存在一个转录激活区域和一个转录抑制区域,转录因子SMAD4可通过与lncRNA-269启动子区结合显著上调lncRNA-269的启动子活性。

MGSGCN:基于多图结构和注意力机制的图卷积网络预测lncRNA-疾病关联

研究表明长非编码RNA (long non-coding RNA, lncRNA)在许多生物的生命活动中发挥着重要作用。识别潜在的lncRNA-疾病关联(lncRNA-disease associations, LDAs)有助于研究疾病的发病机制,及时地诊断、预防和治疗疾病。本文提出了一种基于多图结构和注意力机制的图卷积网络模型预测LDAs,简称MGSGCN。该模型综合了疾病语义相似性、lncRNA功能相似性、疾病与lncRNA高斯相互作用谱核相似性和余弦相似性,构建了疾病和lncRNA的特征向量。基于图卷积网络(graph conventional network, GCN)和图注意力网络(graph attention network, GAT),使用了提取封闭子图和交互信息传播的多图结构策略来训练和预测LDAs。MGSGCN在Dataset1和Dataset2上的五折交叉验证(five-fold cross validation, 5-CV)的准确率分别为94.55%和87.44%。将MGSGCN与其它四个前人研究的计算模型进行比较,评价指标结果凸显了MGSGCN具有良好的分类性能。此外,对与子宫颈癌相关的lncRNA进行了案例分析。发现MGSGCN预测出了未被实验证实的LDAs,这说明该模型具有预测新的LDAs的能力。

长链非编码RNA-8439促进肝癌细胞多能因子nanog的表达

目的探讨长链非编码RNA(lncRNA)-8439与多能因子nanog的关系,及lncRNA对肝癌细胞生长的影响。方法在肝癌原发灶与转移灶组织中,通过lncRNA测序与生物信息学分析方法筛选与多能因子nanog、oct4、sox2相关的差异表达lncRNA。采用实时荧光定量PCR(qPCR)法检测差异表达的lncRNA在人肝癌细胞系Hep3B、Huh7细胞及对应的肿瘤悬浮球中的表达量。通过生物信息学分析明确lncRNA-8439与nanog结合的可能性,采用荧光原位杂交方法观察lncRNA-8439在Hep3B和Huh7细胞中的定位。敲低lncRNA-8439后,采用qPCR和蛋白质印迹法检测2种肝癌细胞中nanog的表达,观察悬浮球生长情况。过表达lncRNA-8439后,采用qPCR和蛋白质印迹法检测2种肝癌细胞中nanog的表达。结果筛选到9种与多能因子相关的差异表达lnc RNA,但仅lnc RNA-8439在2种肝癌细胞悬浮球中呈一致的上调表达,与对应的贴壁细胞相比差异均有统计学意义(P均<0.01)。LncRNA-8439的3′端有nanog结合位点。LncRNA-8439在细胞核中表达,细胞质中并无分布。敲低lncRNA-8439后,2种肝癌细胞中nanog表达量在RNA与蛋白水平均降低(P均<0.01),肝癌肿瘤悬浮球数量减少。过表达lnc RNA-8439后,2种肝癌细胞中nanog表达量在RNA与蛋白水平均增加(P均<0.01)。结论 LncRNA-8439通过促进多能因子nanog的表达影响肿瘤细胞的自我更新能力,可能是导致肝癌侵袭和转移的原因。

lncRNA-6617调控猪肌内前体脂肪细胞分化的筛选与功能研究

旨在探究lncRNA-6617的生物学特性及其对猪肌内前体脂肪细胞分化的影响,以及初步探究其上游调节机制,为后续深入研究猪肌内脂肪沉积调控机制提供参考依据。本研究以饲养在相同条件下的1、90、180日龄健康马身公猪(n=3)和大白公猪(n=3)为研究对象,利用RNA-seq技术筛选脂肪型猪(马身猪)和瘦肉型猪(大白猪)肌肉特异表达的lncRNAs,并通过生物信息学分析、RT-PCR及Sanger测序鉴定lncRNA-6617生物学特性及其猪组织中的表达特征。在猪肌内前体脂肪细胞中干扰lncRNA-6617,检测lncRNA-6617对肌内脂肪细胞分化能力的影响。随后,检测m^(6)A修饰相关酶在不同品种猪中的表达差异,研究lncRNA-6617的上游调控机制。结果显示,lncRNA-6617位于猪18号染色体,RAMP3基因反义链的第3内含子区域,无蛋白编码能力,主要分布于细胞核;lncRNA-6617在猪所检测各组织中均有表达,背部皮下脂肪中表达量最高,且在马身猪肌肉组织中的表达极显著高于大白猪(P<0.01);在猪肌内前体脂肪细胞分化过程中,lncRNA-6617表达量呈上升趋势,且在分化第5天表达量达到最高;干扰lncRNA-6617诱导分化7 d后,分化的成熟脂肪细胞明显减少,成脂关键基因CEBPα、PPARγ和aP2的表达均极显著下调(P<0.01)。m^(6)A修饰的去甲基化酶FTO在马身猪背最长肌和股二头肌中的表达极显著高于大白猪(P<0.01),在腰大肌中的表达显著高于大白猪(P<0.05),上游调节因子ZNF217在马身猪肌肉组织中的表达极显著高于大白猪(P<0.01),与lncRNA-6617表达模式一致。干扰FTO后,lncRNA-6617的表达极显著下调(P<0.01)。本研究筛选了在马身猪肌肉组织中显著高表达的lncRNA-6617,并深入研究了lncRNA-6617促进猪肌内前体脂肪细胞分化的功能及其上游调节机制,丰富了脂肪细胞生成的表观调控网络。

基于集成回归决策树的lncRNA-疾病关联预测方法

长链非编码RNA(long non-coding RNA,lncRNA)在各种人类复杂疾病中起着重要作用。采用计算方法推断lncRNA-疾病间的潜在关联关系不仅有助于理解疾病的致病机理,还有助于疾病诊断、预防和治疗。文中提出了一种基于集成回归决策树的lncRNA-疾病关联预测方法。首先,利用已知的lncRNA-疾病关联信息分别构建lncRNA、疾病相似矩阵、lncRNA-疾病关联矩阵;其次,基于lncRNA、疾病相似矩阵、lncRNA-疾病关联矩阵,从不同视角进一步构建lncRNA、疾病特征向量;然后,使用主成分分析方法对lncRNA、疾病特征进行特征提取;最后,使用回归决策树作为预测模型,并进一步采用集成学习的平均策略将多个决策树集成,从而获得最终的预测模型。留一交叉验证实验表明,该方法的预测结果优于现有方法,在3个真实的lncRNA-疾病数据集上AUC值分别达到了0.905 5,0.896 9和0.912 9,与现有方法相比,分别提升了6.46%,5.4%和6.02%。此外,对乳腺癌、肺癌、胃癌3种疾病进行了案例分析,进一步验证了所提方法的准确性和有效性。

lncRNA-135调控miR-592维持小鼠胚胎干细胞多能性

目的筛选并确定调控miR-592作用的关键lncRNA,探讨其对miR-592沉默靶基因cep135的调控作用。方法利用lncRNA基因芯片筛选小鼠胚胎干细胞(mouse embryonic stem cells,mESCs)及KO miR-592 mESCs中差异的lncRNA从而找出关键调控分子lncRNA-135。利用转染试剂干扰lncRNA-135的表达,使用Western印迹法、双荧光素酶报告系统及免疫细胞化学染色等技术检测lncRNA-135对miR-592及其靶基因cep135的表达影响,进而阐明lncRNA-135对mESCs多能性的调控作用。结果lncRNA基因芯片分离确定了527条差异表达的lncRNA,经过生物信息学分析及qRT-PCR验证,确定了评分最高的lncRNA-135为关键作用分子。双荧光素酶报告系统证实了lncRNA-135能够结合miR-592以干扰其沉默靶基因cep135。而Western印迹法和免疫细胞化学染色结果则证实lncRNA-135通过作用于miR-592,阻止其对cep135的抑制作用,进而促进mESCs的多能性。结论lncRNA-135可以通过充当miR-592的“分子海绵”从而调节与mESCs多能性维持有关的多个基因的表达,这将可能帮助建立调控性miRNA网络与mESCs多能性之间的联系。

LncRNA-177922靶向MAPK15调节B16-F10黑色素瘤细胞黑色素生成、增殖、迁移和自噬(英文)

黑色素瘤是一种预后较差的侵袭性癌症。了解黑色素瘤的分子机制和诊断标志物对黑色素瘤的防治极为重要。LncRNAs在肿瘤的发生发展中发挥重要作用。与正常黑色素细胞相比,LncRNA-177922在B16-F10黑色素瘤中高表达。丝裂源活化蛋白激酶15 (mitogen-activated protein kinase 15, MAPK15)的缺失影响肿瘤的发生和进展。本研究中,LncRNA-177922在B16-F10细胞中过表达,结果显示,黑色素生成、增殖、迁移相关基因的mRNA和蛋白质水平显著上调(P<0.05),自噬相关基因的mRNA水平和蛋白质丰度下调(P<0.05),PI3K/AKT/mTOR通路被激活。同时,进一步验证了细胞迁移、增殖和自噬的表型。结果提示,LncRNA-177922靶向MAPK15通过交叉点细胞外调节蛋白激酶(extracellular regulated protein kinases, ERK)参与调控黑色素生成、增殖、迁移、自噬等B16-F10细胞的生物学特性,可能是一个新的治疗靶点和诊断标志物。

牛LncRNA-133a对骨骼肌卫星细胞增殖分化的影响

【目的】探讨长链非编码RNA LncRNA-133a对牛骨骼肌卫星细胞增殖分化过程的影响。【方法】利用测序样品3、6、9月龄胎牛及24月龄成年和牛骨骼肌肌肉组织,qRT-PCR法检测LncRNA-133a的组织时序表达谱。构建牛骨骼肌卫星细胞的体外成肌诱导分化模型,模拟牛骨骼肌的生长发育过程,qRT-PCR法检测LncRNA-133a和肌细胞分化标记因子MyoG、MHC的细胞时序表达谱。利用过表达LncRNA-133载体(pCDNA3.1-EGFP-LncRNA-133a)或LncRNA-133a抑制物(si-LncRNA 133a)转染牛骨骼肌卫星细胞,qRT-PCR法检测转染效率以及各转染处理组LncRNA-133a、MyoD、MyoG及MHC基因mRNA的表达水平,Western blotting检测MHC基因的蛋白表达水平;同时,通过EdU细胞增殖检测、免疫荧光蛋白染色技术检测牛骨骼肌卫星细胞增殖阶段的细胞增殖量和分化阶段的肌管融合程度。【结果】组织表达谱分析发现LncRNA-133a在3月龄胎牛肌肉组织中表达量最高,6月龄胎牛肌肉组织中次之,9月龄胎牛及成年牛肌肉组织中表达量最低,时序表达呈下降趋势;利用成功构建的牛骨骼肌卫星细胞体外诱导分化模型,进行LncRNA-133a、MyoG、MHC的细胞时序表达谱分析,结果发现在牛骨骼肌卫星细胞分化过程中(D0-D3),肌分化标记因子MyoG、MHC的表达水平逐渐升高,LncRNA-133a的表达在分化阶段呈上升趋势,且分化48 h时(D2)表达量最高;成功构建的过表达LncRNA-133a或抑制LncRNA-133a的牛骨骼肌卫星细胞模型,在增殖期(D0):与对照组相比,过表达LncRNA-133a处理组EdU增殖染色检测得到EdU阳性细胞数显著增加(P<0.01),而LncRNA-133a抑制处理组EdU阳性细胞数显著减少(P<0.01);在分化48 h时(D2):与对照组相比,LncRNA-133a过表达处理组肌细胞分化标记因子MyoD、MyoG及MHC的mRNA表达水平显著升高(P<0.05),Western blotting检测MHC蛋白表达量显著增加(P<0.01),且MHC蛋白的免疫荧光蛋白染色检测观察到融合肌管的体积占比更大;而LncRNA-133a抑制处理组MyoD、MyoG及MHC的mRNA表达水平均降低,其中MyoG显著降低(P<0.05), MHC蛋白表达量显著减少(P<0.01),同时MHC蛋白融合肌管的体积占比也降低。【结论】研究证实LncRNA-133a具有促进牛骨骼肌卫星细胞增殖及分化的作用,为进一步挖掘LncRNA-133a调节牛骨骼肌卫星细胞增殖分化调控网络机制奠定了基础。

一种流形正则化非负矩阵分解的lncRNA-疾病关系预测方法

长链非编码RNA(lncRNA)在疾病的发生中起着重要作用,然而通过生物学实验探索lncRNA与疾病的关系昂贵且费时,必须开发出更准确和有效的计算方法来预测lncRNA与疾病的关系.本文提出了一种新的基于流形正则化非负矩阵分解的计算方法(MRNMFLDA)来预测lncRNA与疾病的关系.该方法首先采用相似性网络融合方法分别整合lncRNA与疾病的相似性,然后通过构建标签加权矩阵、引入流形正则化约束的非负矩阵分解算法来预测lncRNA与疾病潜在的关系.实验结果表明,本方法在留一交叉验证和5折交叉验证中AUC值分别达到0.8927和0.8635±0.0054,优于其他4种方法.案例研究表明,本方法能够有效地预测与3种疾病(肺癌,宫颈癌,和骨肉瘤)有关系的lncRNA.

老年痴呆症患者外周血中LncRNA-BC200和LncRNA-17A水平及应用价值

目的探讨LncRNA-BC200和LncRNA-17A在老年痴呆患者外周血中的表达情况及临床价值。方法选取2016年1月~2018年12月于本院收治的97例老年痴呆患者(AD组)和100例非老年痴呆(对照组)健康体检者作为研究对象,并采用实时荧光定量聚合酶链式反应(qRT-PCR)检测其外周血LncRNA-BC200和LncRNA-17A水平。对比两组LncRNA-BC200和LncRNA-17A表达差异,并绘制ROC曲线探讨两者对老年痴呆的诊断价值;采用Pearson法分析外周血LncRNA-BC200和LncRNA-17A与认知功能(MMSE评分)的关系。结果与对照组比较,AD组外周血LncRNA-BC200和LncRNA-17A水平明显升高,差异有统计学意义(P<0.05)。绘制ROC曲线发现,LncRNA-BC200和LncRNA-17A对AD均有一定诊断价值,两者联合可明显提高诊断效能,其曲线下面积为0.895(95%CI 0.823~0.934),敏感度和特异度分别为85.82%和88.83%。经Pearson相关分析发现,外周血LncRNA-BC200和LncRNA-17A与MMSE评分均呈正相关(P<0.05),其相关系数分别为0.725和0.684。97例AD患者中,轻度认知功能障碍患者42例,中度认知功能障碍患者31例,重度认知功能障碍患者24例;外周血LncRNA-BC200和LncRNA-17A在重度、中度和低度认知功能障碍患者中依次下降,且差异有统计学意义(P<0.05)。结论LncRNA-BC200和LncRNA-17A在AD患者外周血中异常高表达,与认知功能密切相关,两者联合可帮助诊断AD。

LncRNA-7460调控炎症来源牙周膜干细胞成骨分化的研究

目的:探讨长链非编码RNA(lncRNA)在牙周膜干细胞成骨分化过程中的调控作用。方法:运用实时荧光定量聚合酶链反应实验(q PCR)观察表达量在成骨分化前后发生明显变化的lncRNA,筛选得到成骨相关的lncRNA-7460。运用慢病毒分别上调、下调炎症来源牙周膜间充质干细胞(PPDLSCs)内的lncRNA-7460,q PCR检测成骨相关基因mRNA的变化,用碱性磷酸酶(ALP)染色、ALP活性测定、茜素红染色等方法验证PPLDSCs成骨状态。数据进行统计学处理。结果:在PPDLSCs中上调lncRNA-7460引起成骨相关基因的表达上升,ALP活性增高,形成更多的钙结节;下调lncRNA-7460导致成骨相关基因表达下降,细胞ALP活性和成骨结节形成能力降低。结论:lncRNA-7460可以在体外培养中促进PPDLSCs的成骨分化能力。

NELDA:基于网络嵌入的lncRNA-疾病关联关系预测

目的 长非编码RNA (lncRNAs)参与多种重要的生物学过程并与各种人类疾病密切相关,因此,lncRNA-疾病关联预测研究有助于疾病的诊断、治疗和在分子水平理解人类疾病的发生发展机制。目前,大多数lncRNA-疾病关联预测方法倾向于浅层整合lncRNA和疾病的相关信息,忽略网络拓扑结构中的深层嵌入特征;另外通过随机选取lncRNA-疾病非关联对构建负样本训练集合,影响预测方法的鲁棒性。方法 本文提出一种基于网络嵌入的NELDA方法,预测潜在的lncRNA-疾病关联关系。NELDA首先利用lncRNA表达谱、疾病本体论和已知的lncRNA-疾病关联关系,构建lncRNA相似性网络、疾病相似性网络和lncRNA-疾病关联网络。然后,通过设计4个深度自编码器分别从lncRNA/疾病的相似性网络、lncRNA-疾病关联网络学习lncRNA和疾病的低维网络嵌入特征。串联lncRNA和疾病的相似性网络嵌入特征及lncRNA和疾病的关联网络嵌入特征,分别输入两个支持向量机分类器预测lncRNA-疾病关联。最后,采用加权融合策略融合两个支持向量机分类器的预测结果,给出lncRNA-疾病关联关系的最终预测结果。另外,根据已知的lncRNA-疾病关联对和疾病语义相似性,设计一种负样本选取策略构建可信度相对较高的lncRNA-疾病非关联对样本集,用以改善分类器的鲁棒性,该策略通过设计一种打分函数为每对lncRNA-疾病进行打分,选取得分较低的lncRNA-疾病对作为lncRNA-疾病非关联对样本(即负样本)。结果 十折交叉验证实验结果表明:NELDA能够有效预测lncRNA-疾病关联关系,其AUC达到0.982 7,比现有LDASR和LDNFSGB方法分别提高了0.062 7和0.020 7。另外,负样本选取策略与决策级加权融合策略能够有效改善NELDA预测性能。胃癌和乳腺癌案例研究中,29/40 (72.5%)预测的与胃癌和乳腺癌关联lncRNAs,在近期文献和公共数据库中能够发现相关的支撑证据。结论 这些实验结果表明,NELDA是一种有效的lncRNA-疾病关联关系预测方法,具有挖掘潜在lncRNA-疾病关联关系的能力。

基于融合神经网络的LncRNA与疾病关联预测方法

长链非编码RNA(Long non-coding RNA,LncRNA)的异常表达与疾病的生理和病理过程密切相关,识别LncRNA与疾病之间的潜在关联有助于理解疾病的分子发病机制。以往的方法未能深度整合异构的多源数据以及学习高维特征表示。为此,文中提出了一种基于融合神经网络(Fusion Neural Networks,FNN)预测候选疾病相关LncRNA的方法FNNLDA。FNNLDA整合与LncRNA、疾病和miRNAs相关的多种数据,采用多模型融合思想,利用栈式自编码器和融合神经网络两种深度学习模型分别学习LncRNA-疾病对的高级特征,最后融合两个模块的预测分值来预测LncRNA-疾病的关联性。五折交叉验证显示FNNLDA方法的AUC值比SIMCLDA,MFLDA,CNNLDA和LRLSLDA分别提升了12.5%,15.1%,3.4%和5.8%,表明其在LncRNA-疾病预测性能上有较大提升。基于胃癌疾病案例进行研究,结果证明FNNLDA能够有效识别与疾病关联的潜在LncRNA。

SRF-LDA:基于堆叠集成学习的LncRNA与疾病关联预测方法

长链非编码RNA (lncRNA)是一类长度大于200 nt的非编码RNA,是非编码基因组的重要组成部分。大量实验证实,lncRNA与人类疾病的发生发展密不可分,但除了一小部分的lncRNA与人类疾病关系已知之外,大多数的lncRNA与人类疾病的关系仍然有待研究,因此准确识别与疾病有关的lncRNA有助于研究lncRNA在疾病中的作用机制,探索治疗疾病的新方法。在本研究中,为了提高对LDA的预测能力,我们实现了一种基于堆叠集成学习的LDA预测模型(简称SRFLDA)。在SRFLAD中,第一部分通过整合lncRNA的K-mer、疾病的高斯相互作用谱核相似性及已知lncRNA-疾病关联(LDA)三种类型的特征作为融合特征输入模型。第二部分使用堆叠集成学习策略通过组合多个不同参数的随机森林分类器作为基模型进行特征分类,并使用支持向量机作为元模型对随机森林的分类结果进行组合优化,从而得到更准确、鲁棒的LDA预测结果。第三部分通过十倍交叉验证对模型进行训练评价。结果表明该方法在预测LDA方面具有较好的性能,平均AUC的值为0.9246,平均AUPR值为0.9166,预测效果优于其他几种现有的LDA预测模型。

一种lncRNA与疾病关联的多层线性投影预测算法

LncRNA-疾病关联预测的计算方法是解决传统生物学实验昂贵且费时的有效途径,其中基于机器学习的计算方法是当前研究热点,但其存在着未充分考虑lncRNA-疾病关联矩阵的局部结构和全局结构的问题.因此,本文提出了一种lncRNA与疾病潜在关联的多层线性投影预测方法(MLPLDA:Multi-layer linear projection for predicting lncRNA-disease association).MLPLDA利用组合加权整合lncRNA和疾病的两种相似性,然后用WKNKN重构原始的lncRNA-疾病关联矩阵,最后使用堆叠层策略的多层线性投影进行lncRNA-疾病关联预测.在留一和五折交叉验证实验中,MLPLDA获得的AUC分别是0.8807和0.8563±0.0045,体现了其可靠的性能.在3种疾病(肺癌,乳腺癌和骨肉瘤)的案例研究中,MLPLDA能够有效预测与3种疾病有关系的lncRNA.

胸腺上皮细胞中雌激素诱导lncRNA的鉴定分析及表达载体构建

为研究胸腺上皮细胞(thymic epithelial cells,TECs)中雌激素(estradiol,E2)对长链非编码RNA(long non-coding RNA,lncRNA)表达的调节作用,本研究首先培养小鼠胸腺髓质上皮细胞系1(medullary thymic epithelial cell line 1,MTEC1),经50 nmol/L E2作用24 h后,观察对细胞表型变化的影响,并用CCK-8试剂盒检测细胞活力;提取细胞总RNA,运用实时荧光定量PCR技术验证E2对lncRNA-2410006H16Rik表达的调节作用;最后运用RT-PCR技术扩增其目的基因,构建pEGFP-N1-lncRNA-2410006H16Rik重组过表达载体。结果显示,50 nmol/L E2能够明显抑制MTEC1的增殖,且相较于对照组细胞,50 nmol/L E2处理组细胞的D450 nm值极显著降低(P<0.01),表明其细胞活力极显著下降。实时荧光定量PCR结果显示,在E2作用下,lncRNA-2410006H16Rik在MTEC1细胞中的表达极显著上调(P<0.01),约是对照组的2倍,与高通量测序结果一致。经RT-PCR、双酶切及测序结果分析显示,试验成功构建pEGFP-N1-lncRNA-2410006H16Rik表达载体。结果表明,TECs中lncRNA-2410006H16Rik的表达与E2作用密切相关,为后续在细胞水平上进一步验证lncRNA-2410006H16Rik的调节功能奠定了基础。

长链非编码RNA-EPIC1在前列腺癌中的表达及其临床意义

目的探讨表观遗传诱导LncRNA-1(EPIC1)在前列腺癌(PCa)中的表达情况及其临床意义。方法收集2017年3月至2020年1月在合肥市第八人民医院、合肥市第二人民医院及安徽医科大学第一附属医院确诊的10例PCa患者手术后癌组织和癌旁正常组织,通过实时定量聚合酶链反应(RT-PCR)分别检测EPIC1在患者手术组织、正常前列腺细胞系和PCa细胞系中的表达差异。用siRNA技术抑制PCa细胞系中EPIC1的表达,观察其对细胞增殖和侵袭能力的影响。另检测69例PCa患者癌组织中EPIC1的表达情况,分析EPIC1的表达水平与患者临床病理和生存资料之间的关系。结果EPIC1在PCa细胞系PC3、DU145中的表达量分别为(0.12±0.02)和(0.20±0.03),高于在正常前列腺细胞系RWPE-1中的表达量,差异有统计学意义(P<0.05)。EPIC1在患者PCa组织中的平均表达量为(0.61±0.05),高于在癌旁正常组织中的平均表达量,差异有统计学意义(P<0.05)。用siRNA抑制EPIC1的表达后,PCa细胞的增殖和侵袭能力下降;EPIC1的表达程度与肿瘤的Gleason评分、TNM分期和淋巴结转移明显相关(χ^(2)=4.949、6.040、5.650,P<0.05),但与患者年龄、PSA水平等无明显相关性(χ^(2)=0.007、1.516,P>0.05)。以EPIC1的平均值为界,将患者分为EPIC1高表达组和低表达组,生存分析结果显示,EPIC1高表达组和低表达组患者的3年生存率分别为53.7%、78.1%,两组生存率的差异有统计学意义(P<0.05)。结论EPIC1在PCa中表达增高,EPIC1能促进PCa细胞的增殖和侵袭,EPIC1高表达的患者预后较差,EPIC1可做为PCa肿瘤转移和判断预后的有效辅助指标。

lncRNA与疾病关联关系预测研究进展

lncRNAs(long noncoding RNAs)是一类长度超过200个核苷酸的非编码RNAs,越来越多的证据表明lncRNAs在许多生物过程中起关键作用。lncRNAs也与多种疾病的发生和发展有密切的联系。近年来,很多研究人员关注于预测lncRNA与疾病的关联预测的计算模型,这可以有效地减少生物实验的时间和成本。本文总结了近年来有关lncRNA与疾病关联预测的一些数据资源和有代表性的计算方法,并对当前存在的问题进行了分析,讨论了未来的挑战和发展方向。

胃癌病理分期与长链非编码lncRNA表达的相关性研究

目的:探讨长链非编码RNA(long noncoding RNA, lncRNA)中的lncRNA-19、FER1L4、LINC00152及AK054979在胃癌组织的表达。方法:收集24例胃癌患者癌组织,采用实时荧光定量PCR测定胃癌组织、癌旁组织及正常组织中lncRNA-19、FER1L4、LINC00152及AK054979的表达水平,分析lncRNA-19、FER1L4、LINC00152及AK054979表达与胃癌组织表达的相关性。结果:胃癌组织中lncRNA-19、FER1L4、LINC00152及AK054979的表达水平呈高表达(P均 【0.01);且与胃癌临床病理分期呈正相关(P 【0.05)。结论:lncRNA-19、FER1L4、LINC00152及AK054979在胃癌组织中均高表达,且与胃癌病理分期呈正相关。

长链非编码RNA与疾病关联关系的预测方法研究

随着高通量测序技术与计算机技术的高速发展,越来越多的研究表明lncRNA与多种人类疾病密切相关,两者间的关联成为了新的研究热点。本文简要概述了一些可供预测和验证使用的公共数据库,以及近几年来开发的预测lncRNA-疾病关联的算法与工具,分析了这些算法与工具共同存在的问题,并讨论了未来的发展方向。