非编码RNA并非 “垃圾”

简介: 非编码RNA并非 “垃圾”

引言

CRISPR技术针对RNA的研究显示,数百种非编码RNA对生物体至关重要,它们并非无用的“垃圾”。

基因中包含了制造蛋白质的指令,生物学中有一个基本信条,即遗传信息从DNA流向RNA,再流向蛋白质。然而,实际上只有2%的人类基因组负责编码蛋白质;其余98%的功能大多还是个谜。

在人类遗传学中,一个迫切需要解答的问题是:这些基因组区域究竟有什么作用——如果有的话。过去,有人甚至把这些区域称为“垃圾”。

现在,《细胞》杂志上的一项研究显示,一些非编码RNA并非无用的“垃圾”——它们具有功能,并在我们的细胞中扮演着重要角色,包括在癌症和人类发展中。

纽约大学和纽约基因组中心的研究人员利用一种针对RNA而非DNA的CRISPR技术,对整个基因组进行了搜索,发现了近800种对不同组织中多种人类细胞功能至关重要的非编码RNA。

“这项对功能性非编码RNA的调查增进了我们对人类基因组的理解,并证明了专门针对RNA的CRISPR筛选的潜力——即便是那些不编码蛋白质的RNA,”纽约大学生物学副教授、纽约大学格罗斯曼医学院神经科学和生理学副教授、纽约基因组中心核心成员以及该研究的资深作者Neville Sanjana表示。

更精准的CRISPR

CRISPR基因编辑技术彻底改变了生物医学研究,其应用范围从提高作物产量到通过编辑人体血细胞中的DNA来治疗血液疾病。

大多数CRISPR应用使用名为Cas9的酶在DNA层面上编辑基因。然而,一种较新的技术使用Cas13酶更精确地针对RNA,避免了对附近蛋白质编码基因和其他调控元素的干扰。

Sanjana的实验室之前展示了如何优化针对RNA而非DNA的CRISPR-Cas13平台,以筛选整个转录组,即遗传信息转录成RNA分子的过程。

许多研究已经利用测序技术来读取RNA的表达情况,但要弄清楚特定的RNA分子是否真的对细胞功能至关重要一直是个挑战。

“我们现在掌握了这项技术,但生物学上的问题依然存在:非编码基因组中哪些部分实际上是有功能的?”《细胞》研究的共同第一作者、Sanjana实验室的博士后助理Simon Müller问道。

并非垃圾

利用CRISPR-Cas13编辑RNA并避免非目标效应,研究人员系统地分析了近6200对长非编码RNA(lncRNA)及其附近蛋白质编码基因在五种人类细胞系中的配对,包括肾脏、白血病和乳腺癌细胞。

他们使用CRISPR干扰或降低每个lncRNA的活性,观察细胞的反应——细胞是否会死亡、停止增殖,或者能够承受?——并确定lncRNA是否必需。

“有了Cas13,我们可以明确地问,‘这些转录本的功能是什么?’它们并非垃圾——我们发现它们对细胞的生长和分裂至关重要,”《细胞》研究的共同第一作者、Sanjana实验室的博士后助理Wen-Wei Liang表示。

研究人员鉴定了778种对细胞功能至关重要的lncRNA,包括一组46种普遍必需的核心lncRNA和732种特定于某些细胞类型的功能。

接着,他们将必需的lncRNA与蛋白质编码基因进行了比较。对于蛋白质编码基因,如果一个基因在五种细胞系中的一个中是必需的,那么它很可能在其他细胞系中也是必需的。相比之下,必需的lncRNA更具细胞类型特异性。

研究人员还好奇地探索了必需的lncRNA是否调控附近的蛋白质编码基因,这是一个从未对非编码RNA进行过检验的机制问题。在这里,他们发现绝大多数必需的lncRNA独立于最近的蛋白质编码基因运作。

研究小组还发现,关键的长非编码RNA(lncRNAs)能够调控细胞增殖的主要途径,这一途径在人类发育和癌症中都至关重要,它们的缺失可能会阻碍细胞的进程,甚至导致细胞死亡。

特别地,许多关键的 lncRNAs 在人类发育的早期阶段在各种组织中高度表达,而在发育后期表达量降低,这暗示了某些 lncRNAs 在发育过程中扮演着关键角色。

此外,在对约9000个肿瘤样本的分析中,研究人员发现了在特定肿瘤类型中表达发生变化的 lncRNAs,并识别出那些在肿瘤中的表达与不同癌症患者生存率好坏相关的 lncRNAs。

“这些非编码RNA可能成为癌症治疗的新生物标志物和治疗靶点,考虑到它们在不同细胞类型中的特异性表达,这为个性化医疗提供了可能的机会,”Sanjana 进一步指出。

相关文章
|
数据挖掘
Seurat 4.0 | 单细胞转录组数据整合(scRNA-seq integration)
Seurat 4.0 | 单细胞转录组数据整合(scRNA-seq integration)
1762 0
Seurat 4.0 | 单细胞转录组数据整合(scRNA-seq integration)
|
1天前
|
前端开发 数据挖掘 测试技术
R中单细胞RNA-seq分析教程 (6)
R中单细胞RNA-seq分析教程 (6)
25 12
R中单细胞RNA-seq分析教程 (6)
|
6天前
|
数据挖掘
R中单细胞RNA-seq分析教程 (5)
R中单细胞RNA-seq分析教程 (5)
38 13
R中单细胞RNA-seq分析教程 (5)
|
9天前
|
SQL 机器学习/深度学习 编解码
R中单细胞RNA-seq分析教程 (4)
R中单细胞RNA-seq分析教程 (4)
29 6
R中单细胞RNA-seq分析教程 (4)
|
7月前
|
存储 移动开发 Shell
单细胞分析(Signac): PBMC scATAC-seq 预处理
单细胞分析(Signac): PBMC scATAC-seq 预处理
99 2
|
7月前
|
机器学习/深度学习 自然语言处理
向量的编码详解2
向量的编码详解2
69 1
|
存储 算法 计算机视觉
维特比解码(Viterbi Decoding
维特比解码(Viterbi Decoding)是一种用于解码卷积编码(Convolutional Coding)的算法,由 Andrew Viterbi 在 1968 年提出。卷积编码是一种前向纠错编码技术,用于提高数据传输的可靠性。在卷积编码中,数据被组织成一定大小的块,并用一个纠错码附加到数据块中。在接收端,维特比解码算法根据接收到的编码数据,通过比较不同可能的解码路径的权重,来找到最有可能的解码路径,从而实现对数据的解码。
550 4
|
机器学习/深度学习 安全 数据挖掘
用于 DNA 测序的机器学习模型,理论上可以解码任何测序读数中所编码的数据值
用于 DNA 测序的机器学习模型,理论上可以解码任何测序读数中所编码的数据值
179 0
用于 DNA 测序的机器学习模型,理论上可以解码任何测序读数中所编码的数据值
|
算法 数据可视化
跟NBT学Scissor| bulk RNA + scRNA鉴定与目标表型相关的细胞亚群
跟NBT学Scissor| bulk RNA + scRNA鉴定与目标表型相关的细胞亚群
349 0