基于互信息研究的乳腺癌与阿尔茨海默症的免疫系统发病机理探寻

近年来,越来越多的流行病学研究显示多种癌症与阿尔茨海默症(AD)呈现负相关,但分子生物学机制尚不明确。从基因信号传导及调控网络构建方面研究这种负相关,将对两种疾病致病机理的探寻起重要作用。选取乳腺癌(BC)与AD进行对比研究。考虑到传统特征基因提取方法注重单个基因在不同样本中的表达差异而忽视基因之间的关联性,从基因之间的关联性出发,利用互信息(MI)首先提取两种疾病中共有的差异表达基因作为特征基因。在此基础上,鉴于网络成分分析(NCA)约束条件较强、运行时间过长等局限性,采用快速网络成分分析算法(FastNCA),推演出特征基因中转录因子的表达活性及其对靶基因的调控强度,并分别构建两种疾病的转录调控网络。实验结果表明,转录因子POLR2E、RFC5、THOC4、FBXO22、KPNA1、MYST3、PTBP1等在两种疾病中表达活性及调控作用相反,如转录因子RFC5的表达活性从健康到BC患病过程中由0.269降低至0.077,而从健康到AD患病过程中则由-0.430升高至0.307。通过分子生物学分析可知,它们所影响的调控关系及生物过程对BC及AD的致病起着关键作用,对两种疾病之间呈现负相关性机制的探寻具有重要意义。     

基于矩阵分解技术的显著基因提取及基因表达数据分析

基因之间存在多种多样的表达调控活动,一般认为这些调控关系隐含在基因表达谱中。因此,可以根据基因表达数据对基因调控状态进行建模,以挖掘具有生物学意义的信息及隐含在其中的基因调控关系。本文分别利用独立成分分析(ICA)和非负矩阵分解(NMF)这两种无监督矩阵分解技术对阿尔茨海默病(AD)基因表达数据进行显著基因提取及基因调控网络的构建,通过生物学分析,探讨了两种不同矩阵分解技术在挖掘潜在致病基因上的作用,通过结合两种方法所提取的显著基因的生物学分析,体现了炎症反应在AD致病机制中的重要作用,为AD早期诊断、致病机制研究及基因生物标志物的探寻提供了有益的方法。     

电离辐射影响成纤维细胞基因调控网络的初步研究

目的探讨电离辐射影响人成纤维细胞基因表达的转录调控机制，并构建基因与相应转录因子的调控网络。方法先对前期研究已经获得的差异表达基因进行功能注释，选择结合功能类基因（数量最多）进入研究；再用MaxLAPS，TFME和SCOPE3种软件预测这些基因的转录因子和转录因子结合位点；利用Bibliosphere软件构建转录因子与基因的转录调控网络。结果获得25条Gene Symbols，基因本体功能注释集中于结合功能（共19条），2种程序预测得到14个相同的转录因子，得分最高的6个转录因子结合位点对应的转录因子与预测的基本一致。按照最高水平标准构建的转录调控网络，显示CASPASE-3位于网络的核心。结论电离辐射很可能经转录因子TP53介导CASPASE-3激活而致人成纤维细胞凋亡。     

基于非负矩阵分解的大脑不同区域基因表达数据分析

基因之间存在多种多样的表达调控活动,一般认为这些调控关系隐含在基因表达谱中。针对阿尔茨海默症(AD)起病隐匿、诊断难、发病机理复杂以及基因信号传导通路和调控关系难以重建等特征,利用非平滑非负矩阵分解(nsNMF)方法提取AD致病基因,聚类过程中利用共表型相关性系数(CCC)选取聚类数k的值,得到最优的聚类数目。针对基因表达数据噪声高、信息变量隐藏难分析的困难,考虑AD的发生发展与许多大脑功能区域密切相关的特性,提出将nsNMF分别应用于AD患者的大脑海马区、内嗅区皮质、颞中回及视觉皮层区的基因表达数据中,共提取3 800个显著基因,其中包括确定与AD致病机理有关联的10个致病基因,并进行了生物学分析,得到了AD相关的细胞凋亡、代谢及炎症反应等生物过程,显示nsNMF方法及大脑多区域数据集的联合分析能更全面地探寻AD信号传导关系及基因调控方式。     

构建编码基因-非编码RNA调控网络挖掘前列腺癌潜在致病因子

目的 基于前列腺癌的编码基因-非编码RNA调控网络识别潜在的生物标记物.方法 利用前列腺癌的lncRNA、miRNA和mRNA表达谱数据及它们与转录因子之间的靶向关系,构建编码基因-非编码RNA三维调控网络,挖掘ceRNA子网,识别潜在竞争性的lncRNA并筛选前列腺癌潜在的致病因子.结果 从ceRNA子网中识别出4个lncRNA竞争性的结合了5个miRNA间接调控了63个基因的表达,功能预测这些lncRNA参与了激素调节;基于网络拓扑属性,挖掘出一个包含了16个lncRNAs、2个miRNAs、4个mRNAs的生物标记物.结论 多种调控因子如TF、lncRNA、miRNA、mRNA共同作用影响前列腺癌的发生发展,其中有些lncRNA作为ceRNA来发挥基因表达调控的作用.     

芪白平肺胶囊调控慢性阻塞性肺疾病(COPD)相关免疫细胞群分子机制的生物信息学分析

目的 通过分析慢性阻塞性肺疾病(COPD)患者肺组织单细胞转录组测序(scRNA-seq)数据,并联合芪白平肺胶囊网络药理学,探讨芪白平肺胶囊调控COPD相关免疫细胞群及其可能的机制。方法 下载基因表达数据集(GEO)中COPD患者肺组织scRNA-seq数据用于挖掘COPD免疫细胞群及其差异表达RNA;并基于中药系统药理数据库和分析平台(TCMSP)获取芪白平肺胶囊的主要活性成分及其靶基因。通过COPD免疫细胞群的差异表达RNA与芪白平肺胶囊的靶基因映射,构建芪白平肺胶囊的“活性成分-免疫细胞群-靶基因”网络,并经基因本体论(GO)、京都基因与基因组百科全书(KEGG)、蛋白质相互作用(PPI)分析靶基因的分子作用机制。结果 芪白平肺胶囊中槲皮素(quercetin)、山奈酚(kaempferol)、刺芒柄花素(formononetin)等主要的12个活性成分靶向COPD巨噬细胞、肺泡巨噬细胞、 T细胞等多个免疫细胞群及过氧化物酶体增殖物激活受体γ(PPARG)、应激活化蛋白激酶(JUN)、血红素加氧酶1(HMOX1)、低氧诱导因子1α(HIF1A)等基因,且这些基因主要富集于白细胞...     

AngⅡ通过AP一1调控内皮细胞中巨噬细胞移动抑制因子（MIF）的表达

目的明确介导AngⅡ调控人内皮细胞中巨噬细胞移动抑制因子（migrationinhibitoryfactor,MIF）表达的转录因子。方法构建长度依次递减的MIF基因5’调控区的荧光报告基因表达载体,并将其转化人人脐静脉内皮细胞EAhy926。利用双荧光基因报告系统检测AngII诱导后MIF基因5’调控区不同区段的转录活性。通过突变转录活性高的MIF5’调控区序列,初步确定可能的转录因子结合序列。设计针对可能的转录因子的小干扰RNA（siRNA）序列,并构建其表达载体,分别检测候选转录因子沉默的HEAY926中MIF的转录活性和表达水平。结果双荧光基因报告检测显示,Ang11调控MIF表达的高转录活性区段位于-507至-188之间。序列突变和荧光素酶活性分析显示,MIF基因5’调控区-350至～339间的AP一1结合序列决定了MIF基因的转录活性。AP-1沉默后的HEAY926中AngⅡ调控的MIF转录活性显著降低（P〈0．05）,MIFmRNA和蛋白的表达水平也显著降低（P〈0．05）。结论AngII通过转录因子AP一1调控内皮细胞中MIF的表达。     

阿尔茨海默病小鼠脑组织长链非编码RNA与信使RNA表达谱及调控网络的分析

目的 分析阿尔茨海默病（AD）小鼠脑组织长链非编码RNA（LncRNA）和信使RNA（mRNA）表达谱,构建竞争内源性RNA（ceRNA）调控网络,探讨差异表达LncRNA在AD发病机制中的潜在作用。方法 选取3只10月龄雄性APP/PS1转基因小鼠作为AD组,3只年龄及体质量相匹配的普通C57小鼠作为对照组。使用基因芯片技术检测2组小鼠脑组织LncRNA和mRNA的表达,筛选出差异表达的LncRNA和mRNA。对部分差异表达的LncRNA进行实时定量聚合酶链反应（qRT-PCR）。对差异表达的mRNA进行基因本体论（GO）和京都基因、基因组百科全书（KEGG）通路分析。随机挑选6个差异表达LncRNA构建ceRNA网络,进行AD的靶基因功能预测分析。结果 与对照组相比,AD组小鼠脑组织差异表达1.5倍以上的LncRNA有933个,其中上调222个,下调711个;差异表达1.5倍以上的mRNA有529个,其中上调189个,下调340个。qRT-PCR检测结果显示,AD组与对照组比较,7个差异表达的LncRNA上调或下调趋势与基因芯片结果一致,差异均有统计学意义（P值均<0.05）。GO和KEGG通路分析结果显示,差异表达基因主要参与氨基酸代谢、炎症反应和免疫反应。ceRNA调控网络靶基因的功能富集分析显示,LncRNA在胰岛素抵抗以及糖尿病并发症中的AGE-RAGE信号通路中显著富集。结论 AD小鼠脑组织LncRNA表达谱发生显著变化,由LncRNA Dgkb、Svip等构建的ceRNA调控网络有助于增进对AD发病分子机制的研究,差异表达的LncRNA或通路有可能成为潜在的治疗靶点。     

真核基因转录因子研究进展

转录因子(TFs)是一类能特异性地结合到基因启动子区,并且对靶基因的转录起到调控作用的蛋白质,又称为反式作用因子.作为基因调控网络的一个重要角色,准确地认识转录因子的结构与功能,是研究基因转录调控机制的关键.本文对转录因子的结构、普遍转录因子与激活转录因子的功能以及目前转录因子相关的研究方法进行了综述.     

转录因子Oct4、Nanog及相关调控网络与多能干细胞特性的维持

多能干细胞具有自我更新能力和高度增殖、多向分化的潜能。其特征的维持受到多种调控因子通过多条调控途径所形成网络的精密调节。Oct4、Nanog是调控网络中的核心因子,通过与靶基因调控区的结合选择性地抑制分化基因的表达或者激活多能性基因的表达而达到调控目的,此调控过程有时间和空间上的特异性。Oct4等也是细胞重编程不可或缺的转录因子。通过多种方法的研究各个击破网络结点上的关键因子,调控网络的调控机制自然会日渐明朗。