文摘
非酒精性脂肪肝炎是一种肝脏疾病由多种因素引起的,并且没有批准的药物治疗。NASH的发病机制仍未开发。在这项研究中,差异表达圆形rna (circRNAs)通过分析NASH-related circRNA数据集,然后,相应的目标小分子核糖核酸(microrna)和信使rna (mrna)预测构建circRNA-miRNA-mRNA监管网络。在此基础上,共38 circRNAs, 7 microrna, 10 mrna筛选出来。本研究揭示了小说circRNA纳什的生物标记和报告潜在的竞争内源性RNA(龙头)监管网络可能为进一步调查提供见解纳什的基本病机。
1。介绍
非酒精性脂肪肝病(NAFLD)是最常见的肝脏疾病在世界范围内,包括非酒精性脂肪肝、非酒精性脂肪肝(NASH),肝硬化。非酒精性脂肪肝(副功拜)的特点是简单的脂肪变性,而纳什则通常表现为小叶炎症的存在和不断膨胀的有或没有perisinusoidal纤维化除了脂肪变性(1]。过多的祷告是NAFLD的nonprogressive形式,而纳什是进步的非酒精性脂肪肝,可能推进肝硬化和肝细胞癌(HCC),这是终末期肝病的主要原因或肝移植2]。纳什的患病率近年来在世界范围内逐渐增加,和令人担忧的是,纳什的肝脏特异性死亡率高(3]。然而,纳什的发病机制尚未完全阐明。
这些非蛋白近年来,各种非编码rna作为竞争内源性rna(龙头)已经成为各种疾病的一个重要研究热点。microrna和circRNAs不同种类的ncRNAs [4]。多个证据表明其他rna microrna的目标网站,比如circRNAs,可以与mrna结合microrna [5]。CircRNAs已成为生命科学和医学研究的焦点,被确认为许多疾病的主要监管机构。研究表明,circRNAs可以作为龙头或microrna的海绵microrna隔离这些分子相互作用和减少监管影响目标mrna (6]。circRNA-miRNA-mRNA轴也被证明参与多种细胞活动,包括细胞凋亡、血管化和转移。的表达谱研究表明circRNA纳什诊断,可以是一个候选人和circRNA-miRNA-mRNA通路可能对NASH的发病机理研究提供线索7,8]。circRNA表达模式的探索和circRNA-miRNA-mRNA网络在非酒精性脂肪肝的发病机制已逐渐被执行。NASH的发病机理尚未完全阐明,它似乎是多因素疾病。此外,纳什的临床选项是非常有限的,许多药物的开发没有2和3期临床试验。因此,研究纳什仍然面临着巨大的挑战。circRNAs在纳什是一个新的研究领域。很少有报道在纳什circRNAs,所以还需要进一步的研究。探索ncRNAs在纳什可能NASH的发病机制提供有用的线索。
因此,在这项研究中,生物信息学方法被用来分析差异表达基因(度)与纳什,然后,电抗器,监管网络涉及circRNA microrna,信使rna是构建探索一些新的circRNAs可能用作电抗器,在纳什调节基因的表达。
2。材料和方法
2.1。数据收集和差异表达circRNA (DEC)识别
基因表达的综合(GEO)是一个公共功能基因组学数据存储库支持MIAME-compliant数据提交。这个数据库基于阵列接收数据和序列。工具是用来帮助用户查询、定位、审查,并下载研究和基因表达谱(9]。我们搜查了纳什在地理数据库的数据集,以及一系列相关的微阵列数据集提供circRNA纳什表达谱数据。我们发现原始微阵列数据的circRNA表达谱GSE134146和相关GPL微阵列基因注释文件(10]。12月数据是通过分析4例获得纳什和4控制GSE134146数据集的包含在原始文件。所有原始数据被log2标准化转换表达式。然后,在线分析工具GEO2R被用来分析微阵列数据的差异,以及微阵列数据集的DECs测定 ,Log2-fold变化 或Log2-fold变化 作为标准。
2.2。microrna的预测
CircInteractome计算识别潜在的rna结合蛋白结合位点在circRNAs [11]。这地图rna结合蛋白(RBP)和miRNA-responsive元素(绝笔)人类circRNAs网站搜索一些circRNAs的公共数据库,microrna, RBPs。它使用TargetScan预测工具来预测可能目标circRNAs的microrna。miRNet设计是一个简单易用的基于web的工具来创建、定制、视觉探索,和功能解释microrna的目标交互网络。它可以集成到一个强大的网络可视化系统通过集成多个高质量的microrna的目标数据源和先进的统计方法(12]。这些选择的相关目标microrna DECs预测使用两个网络工具,miRNet CircInteractome。重叠的microrna算法预测作为DECs潜在目标microrna。
NASH-related microrna的表达数据集GSE33857从地理数据库,包括信息检索7纳什12例和控制。GEO2R GSE33857芯片分析,差异表达的microrna与预测目标包括重叠在接下来的分析。
2.3。miRNA-Targeted基因的预测
miRWalk是一个全面的microrna的目标基因数据库的microrna的目标基因信息,包括人类,老鼠,老鼠,狗,牛,和其他物种。它不仅包括完整的全长基因序列记录miRNA-binding网站也兼容现有12个microrna的目标预测项目(DIANA-microTv4.0、DIANA-microT-CDS miRanda-rel2010, mirBridge, miRDB4.0, miRmap, miRNAMap, doRiNA,即。,PITA RNA22v2 PicTar2 RNAhybrid2.1和Targetscan6.2)。这个数据库可以用来预测相关联的信息集相结合。这两个数据库miRWalk和miRNet被用来预测目标差异表达microrna的mrna。然后,重叠度。GSE24807数据集与纳什的基因表达谱,和原始数据也分析了GEO2R [13,14]。只有度通过交叉与预测目标基因的基因数据集包含在龙头、网络。
2.4。重叠基因的功能富集分析和建立蛋白质交互网络(PPI)
数据库的注释、可视化和综合发现(大卫)提供了一组全面的功能注释工具为研究人员理解背后的生物学意义大的列表的基因(15]。它被用来执行基因本体论(去)基因和基因组的分析和京都百科全书(KEGG)通路富集分析。相互作用的基因数据库的检索的搜索工具(STRING)提供可靠的信息对蛋白质之间的相互作用和提供详细的注释16]。
2.5。circRNA-miRNA-mRNA网络建设
揭示circRNAs之间的关系,microrna mrna, circRNA-miRNA-mRNA网络是由circRNA-miRNA交互结合使用Cytoscape miRNA-mRNA交互。
3所示。结果
3.1。识别的DECs纳什
构建之间的交互网络circRNAs microrna在纳什,DECs应该先确定。微阵列数据集GSE134146获得地理数据库,其中包括4纳什病例和4控制。安捷伦的基因芯片是人类CircRNA微阵列- 074301 Arraystar V2平台。在线分析工具GEO2R被用来分析一系列分化circRNAs,如箱线图(图1(一))。 和 被用作GSE134146数据集的筛选标准。有192 DECs,包括调节circRNAs 96和96下调circRNAs,纳什之间的病人和控制(图1 (b))。前50名的表达差异circRNAs最显著差异在4纳什组织和控制组织如图2。
(一)
(b)
3.2。54 circRNA-miRNA交互的识别
越来越多的证据表明,通过microrna的海绵circRNAs调节基因的表达。因此,一些microrna DECs我们获得相关预测基于这个龙头、理论。我们收集并探索其潜在microrna通过CircInteractome miRNet在线数据库。其中,603个microrna在CircInteractome被发现,640年miRNet microrna被发现。为了确保准确性,我们使用两个获得58个重叠的交集预测microrna。基因芯片数据集GSE33857从GEO数据库被用来验证预测microrna,和8个microrna与circRNAs互动。根据相关监管circRNA-miRNAs之间的关系,只有39 circRNAs(25调节,14下调)和8个microrna(3调节、5下调)包含在龙头、网络学习。总共有54 circRNA-miRNA交互识别(表1)。
3.3。分析miRNA-mRNA交互
我们获得8 microrna与circRNAs相关联。探索这些microrna在纳什的功能,我们使用两个数据库,miRWalk miRNet,预测miRNA-related目标基因。共有2738个折叠预测目标基因被发现在这两个数据库。从GEO数据库GSE24807数据集被用来验证度。从数据集获得总共3245度。此外,如图3448重叠基因被交叉microrna的目标基因在GEO度。基于监管microrna与mrna的关系,291个基因包括龙头的列表。circRNA-miRNA-mRNA监管网络是由使用Cytoscape软件(表1)。
3.4。功能富集分析和PPI网络建设
相关术语度被分为三个功能组,包括生物过程(BP)、分子功能(MF)和细胞成分(CC),大卫使用。单个组件的值去分析如图所示4。291度BP类别,主要是参与负调控转录的RNA聚合酶II启动子,积极调控转录的RNA聚合酶II启动子,胚胎发育、伤口愈合、积极的调节蛋白激酶B信号,血管内皮生长因子受体信号通路,国防法规应对病毒的病毒,积极调节细胞增殖,细胞迁移,细胞活性,其他进程。曼氏金融的范畴,主要是富含蛋白质的基因绑定,生长因子绑定,类固醇激素受体活动,转录因子结合,ATP绑定,转录激活活性,转录因子的活动,sequence-specific DNA结合,DNA结合,双链DNA结合,1-phosphatidylinositol-3-kinase活动,等等。在CC类别,这些基因主要是核浓缩,核浆、胞质,高尔基体,细胞外的外来体,细胞质,等离子体膜,lamellipodium,细胞周期蛋白依赖性蛋白激酶全酶复杂,染色质,等。KEGG信号通路显示基因在细胞衰老,主要是丰富人类T细胞白血病病毒感染,PI3K-Akt信号通路,蛋白聚糖在癌症、adherens结,p53信号通路,破骨细胞分化,胰腺癌,JAK-STAT信号通路,Wnt信号通路,ErbB信号通路,结直肠癌,脂质和动脉粥样硬化,致病性大肠杆菌感染,卵母细胞减数分裂,cGMP-PKG信号通路,T细胞受体信号通路,在癌症通路,胆碱能突触,轴突引导,MAPK信号通路,VEGF信号通路,库欣综合症,自然杀伤细胞介导细胞毒性,嘌呤代谢,及信号通路,粘着斑,前列腺癌,FoxO信号通路,病毒致癌作用等。结果在KEGG分析如图所示5。
3.5。circRNA-miRNA-mRNA网络建设
进一步探索的影响circRNA-miRNA监管网络纳什基因的表达水平,PPI网络构造,558对基因被发现通过字符串数据库的交互。PPI网络导入Cytoscape, cytoHubba插件被用来进一步根据最大屏幕中心基因集团中心(MCC)算法。这时,一个子网10节点和31边缘被选中,这揭示了十个基因的关键角色(KDR,菲英岛、RAC1 MAPK1, ERBB2, CDKN1A, HSPA4, SMAD2, MCL1,和ESR1)在纳什(图6)。根据负监管之间的关系,电抗器,总共有10个基因和microrna包括在网络。在这之后,一个网络协会其中circRNA, microrna基因中心建于(图7)。它提供了一个可视化的38 DECs之间的连接(hsa_circ_0000566、hsa_circ_0087493 hsa_circ_0082335, hsa_circ_0004196, hsa_circ_0002702, hsa_circ_0003362, hsa_circ_0006239, hsa_circ_0078605, hsa_circ_0001200, hsa_circ_0044235, hsa_circ_0042458, hsa_circ_0040534, hsa_circ_0003222, hsa_circ_0005935, hsa_circ_0000562, hsa_circ_0005303, hsa_circ_0000607, hsa_circ_0036272, hsa_circ_0029403, hsa_circ_0062762, hsa_circ_0080790, hsa_circ_0001191, hsa_circ_0008010, hsa_circ_0023598, hsa_circ_0092319, hsa_circ_0071271, hsa_circ_0008981, hsa_circ_0021928, hsa_circ_0029665, hsa_circ_0083789, hsa_circ_0063583, hsa_circ_0071511, hsa_circ_0011914, hsa_circ_0019917, hsa_circ_0067492, hsa_circ_0000926, hsa_circ_0001971, hsa_circ_0056029), 7个microrna (hsa - mir - 326, hsa - mir - 324 - 5 - p, hsa - mir - 885 - 5 - p, hsa - mir - 574 - 5 - p, hsa - mir - 671 5 p, hsa - mir - 142 - 3 - p,和hsa - mir - 331 - 3 - p)和10个基因中心(KDR,菲英岛、RAC1 MAPK1, ERBB2, CDKN1A, HSPA4, SMAD2, MCL1,和ESR1)。
4所示。讨论
我们成功地构建了一个circRNA-related龙头、监管网络通过整合和表达差异的分析NASH-related circRNAs, microrna,和GSE134146 mrna, GSE33857, GSE24807 GEO数据库中的数据集。291年5月间接调节我们发现39 circRNAs mrna(或基因)通过竞争结合8 microrna。在调节基因中,10个最关键的核心基因筛选出来。circRNAs网络,microrna,中心基因构造,包含38个差异表达circRNAs, 7 microrna基因和10中心。这些异常表达,电抗器在纳什有潜力成为优秀的生物标志物。
纳什的重要性是不言而喻的,因为它可以促进肝癌的发生和发展。非酒精性脂肪肝是代谢综合征在肝脏的病理表现。具体地说,它是一种肝脂肪变性引起的肝脏脂肪和积累是密切相关的代谢疾病如肥胖、2型糖尿病、胰岛素抵抗、高血压和高脂血症。纳什是进步的形式的非酒精性脂肪肝。大约20% - -27%的非酒精性脂肪肝患者出现纳什17]。纳什的特点是肝脂肪变性、炎症、肝细胞损伤,炎症和纤维化,发挥关键作用的进展。肝脏炎症的一个关键因素从非酒精性脂肪肝过渡到纳什。因此,炎症是纳什的主要病理生理机制和治疗干预的目标。KEGG通路富集在当前的研究结果表明,291度主要是参与PI3K-Akt信号通路,JAK-STAT信号通路,Wnt信号通路,cGMP-PKG信号通路,T细胞受体信号通路,MAPK信号通路,VEGF信号通路等。这些途径中的大多数都是经典通路相关的炎症和脂质代谢。
经过多次检查,总共10中心基因与纳什(KDR,菲英岛、RAC1 MAPK1, ERBB2, CDKN1A, HSPA4, SMAD2, MCL1,和ESR1) circRNA-miRNA-mRNA网络中被识别。他们中的一些人与liver-related疾病。例如,郑等人发现CDKN1A作为一个潜在的关键调节器纳什通过动态网络分析和动态基因coexpression模块分析(18]。此外,研究表明,circRNA MAN2B2促进肝癌细胞的增殖通过microrna - 217 / MAPK1轴(19),间接支持我们的结果。其他研究已经表明,HSPA4明显与肝细胞癌的预后和免疫调节。因此,HSPA4可能是一个潜在的诊断和预后的生物标志物作为肝癌的治疗目标(20.]。在先前的研究中,这些基因,包括MAPK1 HSPA4,没有报道与纳什,但其他liver-related疾病。通过分析这些度的生物过程,我们发现,这些基因也可能扮演重要的角色在NASH的发病机理。
电抗器,在各种疾病是新兴的重要性,和一些龙头已经发现与纳什。也有证据表明,表示microrna在纳什的重要的监管作用21,22]。潜在目标的差异表达microrna在脂质代谢中发挥作用,细胞生长和分化,细胞凋亡和炎症。例如,过度mir - 142 - 5 - p抑制纳什的发展针对胸腺基质淋巴细胞生成素和抑制JAK-STAT信号通路。因此,mir - 142 - 5 - p小说可能是一个潜在的目标纳什治疗(23]。这与我们的研究结果是一致的。此外,microrna - 223改善纳什通过针对多个炎症基因在肝细胞(24]。mir - 296的作用是调节lipoapoptosis通过瞄准p53调节细胞凋亡的调制器。肝损伤的肝细胞lipoapoptosis是一个关键的中介在纳什25),这使得我们的数据更有说服力。新兴的研究似乎建立microrna作为优秀的非侵入性工具的早期诊断和治疗肝脏疾病的不同阶段(26]。最近的研究表明,circRNA可能参与NASH的发病机制(27]。例如,steatohepatitis-associated circRNA ATP5B调节器,mitochondria-located circRNA,被证明发挥重要作用在缓解纳什通过减少mro输出(10]。此外,得罪circrna_002581 - mir - 122 cpeb1轴可以缓解纳什通过恢复PTEN-AMPK-mTOR通路(8]。然而,到目前为止,没有权威机构一共批准了治疗药物市场上。复杂的发病机制、疾病异质性、诊断障碍,治疗和选择端点纳什研究也带来巨大的挑战。因此,研究纳什仍有很长的路要走。
某些潜在的局限性存在在我们的研究中。进一步的证据从体内和体外实验需要验证。进一步研究physiopathologic纳什执行机制的基础上,目前的生物信息学分析。
在这项研究中,生物信息学方法被用来集成纳什和正常肝脏组织基因芯片筛选DECs然后寻找相应的microrna和竞争mrna为进一步的研究提供一个参考NASH的发病机制。这些circRNAs, microrna mrna被发现异常表达在纳什,他们有潜力成为潜在生物标志物纳什筛选。他们也有可能进入常规临床实践和被用作预测响应NASH-targeted疗法的标志。
5。结论
在这项研究中,我们构建了一个NASH-related龙头、网络通过整合和表达差异的分析NASH-related circRNAs, microrna, mrna在地理数据库。这些差异表达,电抗器有潜力成为纳什筛选和生物标记物可能为进一步的研究提供有价值的线索在NASH的发病机制。
数据可用性
所有生成的数据或分析了本研究中包含地理数据库和发表的这篇文章。
的利益冲突
作者宣称没有利益冲突。
确认
本研究支持部分由中国国家自然科学基金(81900793)。