神经发育与智力障碍特异性lncRNA鉴定

生物信息学数据挖掘对于lncRNA研究至关重要，怎么样有效结合数据库信息与实验数据呢？...



与疾病发生相关的特异性非编码RNA鉴定方法多样，怎么样结合生物信息学数据和实验数据挖掘与疾病特异性的非编码RNA筛选呢？今天，小编和大家分享一篇最近发表子《Scientific Reports》上的研究，来了解下怎么样筛选与神经发育和智力障碍相关的特异性lncRNA分子。

智力障碍（ID）是由于遗传和环境因素影响的认知障碍疾病，主要由大脑神经发育障碍引起。通过全基因组芯片和外显子测序筛选等技术，目前已经发现了很多与ID相关的基因。但是，现有的结果却不能对大部分的ID病人发病原因作出解释。作为RNA转录产物的重要组成部分，现有研究发现，长链非编码RNA在发育和疾病过程中扮演了重要的角色。是否有lncRNA与ID的发生密切相关？本研究通过生物信息学挖掘和实验数据分析，筛选了与神经发育和ID发生相关的特异性lncRNA分子。

生物信息学筛选ID和神经发育相关lncRNA

为了筛选与ID和神经发育相关的lncRNA，研究人员利用已有H3K4me3，REST binding，和DNAse 1 hypersensitivity对神经细胞 ChIP-seq的数据，从RefSeq和LNCipedia数据库中进行筛选，发现有12696个基因有REST binding motif，7003个含有H3K4me3 mark的启动子结合区，15144个含有DNAse 1 hypersensitivity的启动子区基因；11348个lncRNA转录本含有REST binding motif，4188个lncRNA含有H3K4me3 mark的启动子结合区，17023个含有DNAse 1 hypersensitivity的启动子结合区。同时，结合已有GWAS hits位点，只有H3K4me3 富集的基因与ID相关。因此，H3K4me3 mark的过滤，找到了与ID和神经发育相关的特异性lncRNA。

在很多情况下，lncRNA通过调控附近mRNA起生物学功能（cis）。因此，研究人员把4188个含有H3K4me3 mark的启动子结合区的lncRNA筛选cis靶基因，有3222个能找到。对靶基因进行GO分析，发现神经系统发育功能显著富集。此外，这4188个lncRNA中，有53个含有已知对CNS失常病人GWAS 发现位点。因此，研究人员对这53个lncRNA进行了深入分析。

靶基因分析显示，53个lncRNA中有44个含有靶基因。28个和mRNA有共同启动子，12个来源于mRNA反义链。

基因芯片筛选神经组织特异性lncRNA

第一部分通过生物信息学分析，从已有数据库中筛选了与ID相关的lncRNA。为了更进一步的拿到可靠数据，研究人员对15个人的组织：心脏，肾上腺，胸，肾，肺，大肠，肝样本及8个不同的脑组织样本进行检测。找到2636个与H3K4me3相关的lncRNA(30/52个与GWAS位点重合)。芯片数据RankProduct分析显示，有1290个神经组织特异性上调mRNA和790个下调mRNA。上调基因中有124个是ID相关基因，65个含有GWAS发现的hits。有731个上调lncRNA和237个下调lncRNA，4个含有GWAS发现的位点（lnc-RP11-210M15.2.1-1:3, lnc-AC073043.2.1-1:1, lnc-APOB-8:1 & lnc-MYO10-1:1）。另外，上述30个lncRNA中，只有3个在不同脑区域差异性表达。值得注意的是，从信号分布情况也可以明显发现，lncRNA的表达丰度明显低于mRNA。

lncRNA生物学功能挖掘

为了更深入的挖掘这30个lncRNA的生物学功能，研究人员通过相关性关联分析，然后把关联到的mRNA进行GSEA富集。结果显示，有19个lncRNA富集功能到突触传导，神经系统发育或者神经形成。其中，有5个lncRNA与神经细胞突起基因负相关，暗示着这些lncRNA可能抑制相关mRNA的表达。另外，有3个lncRNA相关的mRNA主要参与线粒体能量代谢过程。

同时，和mRNA相关性最大的9个lncRNA，都是一些和ID相关的mRNA。这30个lncRNA中，有25个都存在cis靶基因，10个是bidirectional transcription，4个为antisense。

该研究通过对lncRNA数据库，已有神经发育相关ChIP数据和GWAS发现位点信息，结合自己不同组织芯片结果，找到了与ID和神经发育相关的lncRNA，并对这些lncRNA的潜在生物学功能进行了挖掘。不难发现，该研究重点在于数据挖掘，虽然没有找到某一个具体功能的lncRNA，也没有对lncRNA的具体作用方式进行验证，但是还是能发表影响因子还可以的文章，该研究适合想从数据挖掘角度出发去研究的研究人员参考。

【温馨提示】本文为微信号：基因芯片知识屋（bio-microarry）原创文章，如需转载请注明来源：基因芯片知识屋。

    关注 基因芯片知识屋