单个mRNA表达谱揭示了特定microRNA的影响
1和1 阿米特·阿罗拉
1英国贝尔法斯特皇家维多利亚医院临床科学研究所贝尔法斯特女王大学视觉科学中心BT12 6BA
大卫·AC·辛普森
1英国贝尔法斯特皇家维多利亚医院临床科学研究所贝尔法斯特女王大学视觉科学中心BT12 6BA
1英国贝尔法斯特皇家维多利亚医院临床科学研究所贝尔法斯特女王大学视觉科学中心BT12 6BA
通讯作者。 收稿日期:2007年11月5日;2008年2月6日修订;2008年5月16日接受。
版权©2008 Arora和Simpson;被许可方BioMed Central Ltd。 - 补充资料
附加数据文件1每个miRNA(x轴)的预测目标基因数(y轴)以不同的符号显示每个组织(灰色圆圈,大脑;绿色三角形,肾脏;蓝色方形,肺;绿色菱形,骨骼肌;白色圆圈,心脏;红色三角形,肝;紫色方形,卵巢;黄色菱形,睾丸)。未考虑在特定组织中表达的靶基因少于50个的miRNAs(见虚线)。
GUID:010BE94A-CCCA-4726-830C-3CD7202B7564
附加数据文件2每个面板显示来自单个组织的数据。miRNA根据RR值以升序排列,显示在左侧y轴上,并显示为红线。较高的值反映了较低的目标基因表达,因此,表明miRNA活性。预测的靶基因数量显示在右侧y轴上,每个miRNA的值用虚线表示。
GUID:41A9EF4C-FA98-4C9E-B4CF-973D38F5E1DE
附加数据文件3来自NCBI GEO网站的基因表达数据来源。
GUID:D0395763-2D3E-4344-B13F-AA0421660DDB
附加数据文件4参数来自表中的预测和证据.
GUID:526908C4-4D5B-4C02-8C52-C7B7BADB056A
其他数据文件5方框图描述了小鼠同源基因具有低、中或高预测目标基因表达(如文中所定义)的microRNA组(x轴)的拷贝数(y轴)。如果需要有效地显示中位数和四分位间距,最多可省略两个异常值。
GUID:5AF9931C-6C42-4159-AFCA-DD8DE7FBB122
附加数据文件6每行上的图形显示来自单个组织的数据,第一列描述3'UTR长度和第二个GC内容。预测的目标基因分为三组,低(红色)、中(橙色)和高(黄色)。低水平组的靶基因表达总体显著较低的miRNAs,中水平组的靶标基因表达总体在预期范围内的miRNAs,高水平组的目标基因表达总体较高的miRNA。每组基因(x轴)的3’UTR的平均碱基长度或%GC含量(y轴)用标准误差条表示。
GUID:6E652083-963C-456C-B48E-F4E3422D29DF
额外的数据文件7将miRNAs分为显著低于预期目标mRNA表达(标记为“低”)和对其目标表达无可检测影响(标记为”mid“)的miRNAs。箱线图显示了各组miRNAs的拷贝数(y轴)(x轴),并说明了低靶基因表达的miRNAs的显著高表达。选择y轴的比例(拷贝数)是为了便于组之间的视觉比较,并且需要从几个图中省略多达三个异常值。
GUID:07C8921C-58E0-44D7-B5D8-CA09903F55B1
额外的数据文件8将miRNAs分为显著低于预期靶mRNA表达(标记为“低”)和对其预测靶mRNA的表达无明显影响(标记为‘mid’)的两类。箱线图显示了低靶基因表达的miRNAs的显著高表达。选择y轴的刻度(拷贝数)是为了便于组间的视觉比较,并且需要从几个图形中删除多达三个离群值。
GUID:FCB5E714-9F07-4646-8041-86771031B121
额外数据文件9 miRNA,由miRanda和RNAhybrid确定的靶基因表达显著较低。
GUID:7BEB690F-FC45-45BA-9B83-6AD7E6970E9E
额外的数据文件10个miRNA根据潜在5'UTR miRNA结合位点预测的靶基因表达被分为组。对于每个组织(大脑、心脏、肾脏、肝脏、肺、卵巢、骨骼肌和睾丸),方框图显示了由RT-PCR确定的miRNA拷贝数[34](y轴)(“低”和“中”,x轴)。 GUID:BAAE1F2C-53C9-4ADA-AACD-E2341111533B
简短摘要
微RNA对其靶mRNA水平的影响可以在单个基因表达谱中测量
摘要
背景
微RNA(MicroRNAs,miRNAs)是寡核苷酸,在翻译水平上调节基因表达具有重要作用。尽管靶点互补性不完善,但它们也能显著降低mRNA水平。miRNA靶基因预测的有效性在蛋白质水平上难以评估。因此,我们试图确定内源性miRNAs预测的靶基因mRNA表达是否在微阵列基因表达谱中普遍降低。
结果
将每个miRNA预测的靶基因集映射到来自一系列组织的已知基因表达数据上。无论是考虑平均绝对靶基因表达、秩和检验还是“秩比”,许多靶基因表达显著降低的miRNA与已知的同源组织中表达的miRNA相对应。靶mRNA水平降低的miRNA表达水平高于对mRNA表达无明显影响的miRNA。人工扰动特定miRNA表达后收集的微阵列数据分析证实,改变后的miRNA对mRNA水平影响的预测增加或减少。观察到与TargetScan预测的靶点的关联性最强。
结论
我们已经证明,可以在单个基因表达谱中测量miRNA对其靶mRNA水平的影响。这强调了这种监管模式的范围体内并证实许多预测的miRNA-mRNA相互作用是正确的。这种方法的成功揭示了从基因表达谱中提取miRNA功能信息的巨大潜力。
背景
微RNA(miRNAs)是调节基因表达的短寡核苷酸(约22 bp)。靶基因由3’非翻译区(UTR)和成熟miRNA之间的序列互补性决定,尤其是在6 bp“种子”区[1,2]. 已经开发了一系列算法来预测特定miRNAs靶向的基因[三]. 例如,“TargetScan”[4,5]在3'UTR中搜索与已知miRNA种子区匹配的保守的8聚体和7聚体位点。因此,有可能获得每种miRNA的潜在靶mRNA列表。植物miRNA通常与其靶序列完全匹配,其作用主要是引导mRNA切割和降解[6,7]. 相反,动物miRNAs已被证明主要通过转录后抑制蛋白质合成发挥作用[8]. 然而,研究表明,动物细胞中表达的miRNAs不仅在与靶位点几乎完全互补的情况下,还可以影响mRNA水平[9],但更普遍的情况是,当基本布线是部分的[10-12]. 例如,当已知具有神经元组织特征的miR-124过度表达时,与其他组织相比,在mRNA水平下调的基因在神经元中的表达水平较低的基因占优势[11]. 相反,用互补的单链RNA类似物或“antagomir”沉默miR-122,导致miR-122识别基序丰富的mRNA表达增加[13]miR-122可以直接切割报告基因。miRNA加工所需蛋白质的消耗已被证明会导致mRNA水平的广泛改变[14,15].
miRNAs可以影响mRNA水平的建议导致预测,在特定组织中高水平表达的miRNA可能会在mRNA表达谱上留下标记。苏德等. [16]和Farh等. [17]证明已知组织特异性miRNAs的预测靶基因(例如,肝脏中的miR-122;心脏/骨骼肌中的miR-1和垂体中的mi R-7)在其同源组织中的表达水平显著低于所有其他组织。
miRNA可以改变mRNA水平的结论性证明向我们表明,在特定组织中,被特定成熟miRNA靶向的基因表达可能与该miRNA的表达水平存在可检测的反向关系。微阵列技术的进步和全面基因覆盖的提供使这种方法变得可行,这使得全球基因表达数据变得越来越可靠和可重复[18,19]. 同时,基因表达综合(GEO)等公共存储库[20,21]和ArrayExpress[22]已经将来自大量组织的数据提供给科学界。一种从mRNA表达数据集中提取miRNA特征的方法将是非常有价值的,因为它可以立即用于分析微阵列基因表达数据可用的任何情况下的miRNA活性。
其他人在使用基于基因表达排名的非参数方法检测单个基因表达谱中miRNAs的显著影响方面取得了有限的成功[16]. 然而,通过使用不同的预测目标和对照数据集,我们能够使用类似的方法并通过直接分析绝对目标基因表达值(术语“目标基因表达”指预测目标基因的表达)观察到显著的miRNA效应。我们能够预测许多先前特征化的、高表达的和/或组织特异性miRNA(例如,大脑中25种miRNA中的14种)。这种方法将有助于研究miRNAs对mRNA表达的活性,而无需对一系列组织中每个基因的基因表达进行排序[11,23].
结果和讨论
内源性基因表达谱中miRNA特征的检测
miRNAs可以下调靶mRNAs;因此,人们预计高表达miRNA的靶基因的表达水平可能明显低于低表达miRNA。在这种情况下,可能可以通过预测的靶基因相对表达来检测miRNA的存在。miRNA在一种组织中表达的谱与在另一种组织中表达的谱不同,为了测试是否可以检测到不同的“特征”,我们首先从GEO下载了一系列组织的mRNA表达谱[20,21]. 已经开发了一系列算法来预测miRNA靶基因[三]. 然而,实验证实的交互作用的稀缺性使得开发可靠的算法和验证现有方法变得困难。现有规则的相关性尚不确定[24]以及其他因素,如协同因子结合和目标位点的相对位置[25,26]无疑发挥了作用。在公开可用的算法中,我们最初选择使用TargetScan[27]因为它需要与种子区完美匹配和跨物种保护,从而降低假阳性率[三-5]. 由此产生的更高的特异性使该算法能够最大限度地检测对实际miRNA靶基因表达的影响。检测到信号后,我们随后测试了替代的miRNA靶基因预测算法(见下文)。对于每个mRNA表达数据集,预测目标的mRNA表达映射到各自的miRNA家族。在给定组织中表达的单个miRNA的预测目标基因的平均数量为134个(±9个标准误差;所有组织中表达每个miRNA的预计目标基因的数量显示在附加数据文件1中)。然后,我们测试了三种分析方法检测可变内源性miRNA表达对mRNA水平的影响的能力。
Wilcoxon秩和检验
我们的第一次分析遵循了Sood及其同事描述的“以组织为中心”的方法[16]. 将每组特定miRNA靶基因的表达值向量与所有预测靶基因的表示值向量进行比较。在所有组织中,检测到目标基因表达显著较低的miRNAs(Wilcoxon秩和检验),最低第页-值范围为1.29×10-5大脑中为7.23×10-3骨骼肌中。所有组织的结果如图所示值得注意的是,特征明确的组织特异性miRNAs,如肝脏中的miR-122和大脑中的miR-124,均在预期组织中检测到,而不是在其他地方。这表明miRNA作用于mRNA表达的“特征”可以在单个基因表达谱中检测到,而与之前报道的其他组织中的水平无关[16].
通过Wilcoxon秩和检验确定的靶基因表达显著较低的miRNAs。概率(log10,所有miRNAs的x轴第页<0.1以升序绘制,并在分析的所有八个组织中画上红色圆圈。对于每个miRNA,由五组随机预测的靶基因得出的平均概率(±标准误差)用灰色绘制。
排名比例
在另一种分析特定组织中每个miRNA的所有预测靶基因相对表达水平的方法中,我们采用了Yu描述的“排名比”(RR)等. [23]. 他们首先对一系列组织中每个基因的表达水平进行排序。对于每个组织,排名的基因被分为两半,一个高排名,一个低排名。然后通过将“低”等级组中的目标基因数除以“高”等级组来计算RR值。我们没有考虑一系列组织,而是在单个表达数据集中对目标基因进行排序,对于每个miRNA,通过将表达水平低于绝对表达中值的预测目标基因数除以高于该值的预测目标基因组数,计算出RR值(与其他方法的比较表明,这比将基因分成上半部分和下半部分更有效,见下文)。因此,该RR值是miRNA靶基因在单个mRNA群体中分布的指标。高RR表明靶基因的低表达比例较高,因此表明该组织中存在miRNA表达。计算了所有八种组织的所有miRNA的RR值,大脑和肝脏的RR值如图所示(有关分析的所有其他组织,请参阅附加数据文件2)。正如预期的那样,已知的组织特异性miRNAs在其同源组织中具有较高的RR值。
大脑和肝脏中所有miRNA的排名比值。miRNA按RR值(左侧y轴)排序,显示为红线。较高的值反映了预测目标基因的较低表达,因此表明miRNA活性。虚线表示每个miRNA(右侧y轴)预测的靶基因数量。已知的神经-(例如miR-29)和肝脏特异性(例如,miR-122a)miRNAs出现在左侧。
平均绝对表达式
接下来,我们研究了一种涉及绝对靶基因表达的方法是否可以用于检测miRNA签名。这可能会识别出上述缺失的miRNAs,但可能会受到单个基因的过度影响,从而导致表达发生较大变化。该技术如图所示miRNAs是根据其预测目标mRNAs的平均表达值排序的,如图中肝脏的所示在肝脏中的所有miRNA中,最低的平均靶基因表达值是miR-122a,这是一种特征明确的肝脏特异性miRNA[28]. 为了确定观察到的mRNA表达减少可能是由于选择了具有特定miRNA靶点的mRNA,我们计算了概率(t吨-这些样本是从组织中表达的所有基因中随机抽取的,这些基因包含预测的miRNA靶序列。所有组织的结果概率如图所示而那些靶基因表达较低的miRNAs包括许多已知的组织特异性例子,例如大脑中的miR-124a(第页= 6.2 × 10-4)骨骼肌中的miR-1(第页= 1.9 × 10-2).
每个miRNA的预测靶基因的平均mRNA表达。(a)图解说明如何计算单个miRNA预测目标基因集的平均表达水平,然后与所有预测目标基因的表达水平进行比较。在这个例子中,miR-124a和miR-29被显示为映射到不同但重叠的靶基因亚群。计算所有预测靶基因和miR-124a和miR-29预测靶基因的平均表达值。计算miR-124a和miR-29预测靶基因在该组织中的表达水平从所有预测靶基因的表达水平中随机抽取的概率。(b)每个miRNA(x轴)的所有预测目标基因的排名平均表达值(y轴)以及肝脏中表达的目标基因被描述为红色圆圈(±标准误差)。这些包括已知肝脏特异性miR-122(最左侧)的预测mRNA靶点。一些miRNAs具有高于预期的靶基因表达,例如miR-1和miR-205(最右侧)。(c)红色圆圈表示概率(log10,y轴),从所有miRNA的表达目标基因的总体中随机抽取每个miRNA的目标基因表达水平集(x轴)(t吨-测试,第页< 0.1). 对于每个miRNA,由五组随机预测的靶基因导出的平均概率(±标准误差)以灰色绘制。
为了测试这种方法的可靠性和可用微阵列表达数据的稳健性,将其应用于在几个不同实验室生成的独立小鼠表达数据集(见材料和方法)。从这两个数据集预测的所有组织的miRNAs集非常相似,重叠程度如图所示哺乳动物miRNAs及其靶位点高度保守;事实上,序列保守性是TargetScan预测的一个要求[4]. 因此,miRNA的表达在物种之间是保守的[29],至少对于具有类似生理学的生物体而言[30]miRNAs可能在减少mRNA表达的跨物种差异中发挥作用[31]. 对人类组织mRNA表达谱的分析(附加数据文件3)表明,大约三分之一低靶基因表达的人类miRNAs与在同等小鼠组织中预测的miRNA相对应(小鼠数据集1和2分别为30.6%和35.5%)。例如,在大脑中预测的18个人类miRNA中,有7个与小鼠数据集1相同(图),而不是如果miRNAs组是独立的,则预期的较低数量(约2)(对于所有其他组织和第二个小鼠数据集,观察到的数量同样较高)。这为保守的miRNA表达和预测方法的独立验证提供了进一步的证据。
在两个小鼠和一个人类基因表达数据集中检测到的miRNA特征之间的相关性。在单独的维恩图中显示了八种组织的结果(没有合适的人类骨骼肌表达数据)。维恩图中的每个圆圈表示两个小鼠(顶部)和一个人类(底部)mRNA表达数据集中靶基因表达显著较低的miRNAs数量。每个组织中所有数据集之间常见的miRNA数量以粗体表示。
miRNA特征检测方法的比较
接下来,我们比较了Wilcoxon秩和检验、RR和绝对表达三种方法的结果t吨-使用RR方法中10%显著性水平和同等数量的miRNAs进行测试。对于所有组织,预测的miRNAs之间存在显著重叠(图),采用Wilcoxon秩和检验和绝对表达式t吨-测试结果最为一致。为了评估在目标基因表达中检测到的miRNA特征预测实际miRNA表达的程度,我们将至少两种方法预测的miRNA的组织分布与来自实验证据的方法(克隆和Northern blots)进行了比较。表说明了计算预测miRNA活性(根据TargetScan预测的靶基因)的组织与有实验证据证明存在miRNA的组织之间的一致性(特别是当排除最近表征的miRNA时)。这得到了正马修斯相关系数(MCC)的支持[32]对于所有组织,范围为0.2-0.5(平均值0.34;附加数据文件4)。
在mRNA表达谱上检测miRNA签名的三种方法之间的重叠。八种组织的结果显示在单独的维恩图中。维恩图中的每个圆圈表示目标基因表达显著较低的miRNAs数量,如t吨-试验、Wilcoxon或RR方法。在所有组织中,预测的miRNAs与Wilcoxon秩和检验和绝对表达有显著重叠t吨-测试结果最为一致。所有三种方法预测的miRNAs数量以粗体表示。
表1
预测的和先前表征的组织特异性miRNA表达之间的相关性
微小RNA | 大脑 | 心脏 | 肾 | 肝脏 | 肺 | 卵巢 | 性虐待 | 测试 |
let-7 | *1,2,3 | *1,2,3,4 | *1,3,4,6 | *2 | *1,8 | * | *1 | *3,9 |
miR-1/206型 | 2 | *1,2,4,5 | 1 | *2 | 1 | | 1, 5 | |
miR-10型 | | | *4,6,7 | | | *7 | | |
miR-101基因 | *2 | | 4 | *1 | | | * | 9 |
miR-122a型 | 三 | | | *1,2,3 | | | | 9 |
miR-124a型 | *1,2 | | | | | | | |
miR-125型 | *1,2 | *1,3,4 | *1,4 | 1 | *1,3 | * | | |
miR-128型 | *1,2 | | * | | *1 | * | * | |
miR-133型 | 2,3 | *1,2 | 1 | | | | *1,2 | |
miR-136型 | 2 | | | | | | | * |
miR-137 | *1,2 | | | * | * | * | | |
miR-140型 | * | | 4 | | | | | |
miR-144型 | | 2 | | * | | | | |
miR-146型 | 三 | 2,4 | 4 | | * | * | | |
miR-15型 | *2,3 | 1,2,3 | *4,6 | | *1,3 | * | | *3,9 |
miR-150基因 | | | 4 | | | * | | |
miR-153型 | *1,2 | * | * | * | | | | |
miR-190型 | 1 | | *7 | | | | | |
miR-193型 | | | 1,7,4 | | 1 | | * | |
miR-196型 | * | * | *1,4 | | 三 | *7 | * | * |
miR-199型 | | 4 | 4 | 1 | | | * | |
miR-204型 | | | | | | | * | * |
miR-24型 | 2,3 | *2 | 1,4,6 | | *1,8 | * | | |
miR-26 | 1,2,3 | 1,4 | 1,4,6 | 1, 2 | 1 | | * 1 | |
miR-27型 | *2,3 | *2 | *4,6 | | *1,8 | * | * | *9 |
miR-29 | *1,2 | 2,4 | *4,6 | | 1 | | | |
miR-30基因 | *1,2,3 | *2,4 | *1,4,6 | *1,2 | *1 | * | *1 | *9 |
miR-31型 | * | | | | | | | |
miR-326型 | | * | | | | * | | |
miR-33型 | | | 4 | | | | * | * |
miR-330型 | | | | * | | | | |
miR-331基因 | * 3 | | * | * | *3 | * | | |
miR-335型 | | | | | | | | * |
miR-34型 | 三 | | | | | * | | *9 |
miR-365型 | 三 | | | * | | | | |
miR-370型 | | | * | * | * | * | | * |
miR-375型 | * | | | | | | | |
miR-378型 | * | | | * | | | * | |
miR-448型 | * | * | * | * | * | | * | * |
miR-503型 | *3 | 三 | 三 | | 三 | | | 三 |
miR-9型 | *1,2 | | | | | | | |
miRNA签名与miRNA表达水平的相关性
miRNA微阵列现在可以提供组织内miRNA表达的全局指示。因此,我们将我们对改变mRNA表达的miRNA的预测与miRNA微阵列确定的miRNA自身的实际表达进行了比较[33]. 对于所有组织,通过绝对表达法(10%显著性水平)测定的低靶基因表达的miRNAs的表达水平显著降低(t吨-测试,第页<0.05),而不是那些对其靶基因没有可检测作用的miRNA(图). 这进一步证实了我们检测到的miRNA特征是同源组织中miRNA表达的结果。除了目标基因表达较低的miRNAs外,我们还检测到一组目标基因表达水平显著高于背景组的miRNA(图). 由微阵列测定的这些miRNAs的表达与那些对mRNA表达无影响的miRNA的表达没有显著差异。
miRNA微阵列检测到的miRNA对mRNA表达和miRNA表达水平的预测影响之间的相关性。miRNAs分为显著低于预期目标mRNA表达(标记为“低”)、对其目标表达无明显影响(标记为”mid“)和显著高目标表达(标记“高”)的miRNAs。箱线图显示汤姆森确定的表达式值(y轴)等[33],每组的miRNAs(x轴)。低靶基因表达的miRNAs的表达显著高于(t吨-测试,第页<0.05),而在除心脏外的所有组织中,目标表达为中或高水平。汤姆森等[33]用Cy3标记来自每个组织的微小RNA,并使用对应于所有成熟微小RNA的参考寡核苷酸集,在所有杂交中用Cy5(红色通道)标记。该参考集为阵列上的每个探针提供了内部杂交控制。我们分析中使用的miRNA微阵列表达值是以中位数为中心的标准化对数比Cy3/Cy5值。
最近,通过逆转录聚合酶链反应(RT-PCR)测定的人类组织miRNA表达的综合数据已经可用[34]. 这揭示了人类miRNA拷贝数和预测的靶基因表达水平之间更清晰的关系(图). 为了证明人类和小鼠miRNAs之间的相似性,选择了从小鼠数据分析中预测的具有“低”或“中等”预测目标基因表达的miRNAs-人类同源序列。令人惊讶的是,这两组miRNAs在人类组织中的拷贝数存在显著差异,这两种miRNAss是根据小鼠靶基因表达选择的(附加数据文件5)。这证明了小鼠和人类之间miRNAs及其靶基因的保守性以及RT-PCR测量的准确性。
通过RT-PCR检测miRNA与mRNA表达预测影响和miRNA表达水平的相关性。如前所述,miRNAs根据预测的靶基因在人体组织中的表达情况分为组。由RT-PCR[34](y轴)确定的这些组(x轴)中miRNAs的表达由箱线图描述,这些箱线图显示了显著更高的表达(t吨-测试,第页从肾脏中的0.0014到大脑中的0.0385),目标基因低表达的miRNAs相对于目标基因中或高表达的miRNA(在除心脏外的所有组织中)。如果需要有效地表示中位数和四分位数范围,则省略了多达两个离群值。
其中一些对mRNA表达有显著影响的miRNA被高度表达(例如,miR-122a、miR-124a、miR-125),并且它们观察到的mRNA水平的降低可以合理地归因于弱的mRNA降解活性,其次要作用是针对翻译。然而,其他显著影响靶基因表达的miRNAs没有得到高表达,这可能表明这些特定miRNAsmRNA降解效率更高。因此,特定miRNAs导致mRNA降解的程度可能会影响我们检测其存在的能力。我们推断,miRNAs之间的差异在高表达但对mRNA表达没有明显影响的miRNAss和低表达但对靶mRNA表达有显著影响的miRNA之间最为显著。除了广泛的互补性[9]miRNAs指导mRNA切割所需的miRNA-靶相互作用的特征尚不清楚,尽管许多位点上下文的特征,包括位置、局部AU含量以及与miRNA3'残基配对,已被证明可以提高位点功效[2]. 为了初步表征上述潜在类miRNA的区别性质,我们分析了miRNA与预测位点之间的相邻互补长度,但没有显著差异。
干扰miRNA表达影响同源mRNA表达
为了验证在正常组织的mRNA图谱中观察到的miRNA特征,我们将我们的方法应用于几个公开可用的基因表达数据集,这些数据集是在实验性干扰miRNA表达后测得的,这些干扰或导致miRNA表达减少[13]或增加[12]在每种情况下,都在靶基因表达中观察到预期的反应。克鲁茨费尔特等. [13]证明静脉注射化学修饰的寡核苷酸或“antagomirs”(补充miRNA)可以特异性降低小鼠体内相应miRNA的内源性水平。当我们分析肝脏中miR-122a因使用安替戈米尔而沉默的基因表达数据时[13]影响mRNA水平的miRNAs列表非常相似,但miR-122a不再具有可检测的作用(图). 这最终证明了我们观察到的靶基因表达上miR-122a的特征是由于miR-122a的物理存在,而不是由于与同源miRNA共同表达的靶基因的表达受到进化压力。
在操纵miRNA表达后检测改变的miRNA特征。在顶部和底部面板中,miRNAs(x轴)按照平均目标基因表达(y轴)的顺序排列,为了清楚起见,分别只标记了miR-122a和miR124。在antagomir抑制miR-122后[13],肝脏中miR-122平均靶基因表达的位置从左到右移动到所有miRNAs的位置(上表)。这反映在miR-122a预测的靶基因表达不足的概率降低(y轴),而所有其他miRNA效应相对未被miR-122a-antagomir改变(左中框中的红色与灰色虚线)。相反,miR-124在HepG2细胞系中24小时的过度表达[12]导致miR-124-靶基因表达从显著的高表达转变为显著的低表达(底部面板)。右中面板显示了miR-124靶基因表达的选择性下降(这对于用于此分析的TargetScan版本中的miR-122a和miR-122u亚型很明显)。虽然该图中的数据来自平均绝对表达式的分析,但替代方法产生了类似的结果(数据未显示)。
王和王[12]用模拟miR-124前体的RNA双工体转染HepG2细胞系。他们通过测量mRNA表达谱证明了miR-124过度表达的影响,并表明与阴性对照RNA双链相比,在该治疗后下调的mRNA中,miR-124的预测靶点过度表达。正如预期的那样,对这些表达数据集中miRNA特征的分析显示,miR-124在其过度表达但在对照组中没有表达的细胞中具有活性(图).
预测目标基因群的特征
我们没有发现miRNAs靶向互补性的增加对mRNA水平有显著影响。然而,我们注意到,那些在特定组织中总体目标基因表达较低的miRNAs通常在该组织中表达更多的目标基因。这在组织中是正确的,支持Farh的观察等. [17]他证明组织特异性miRNA靶基因通常在同源组织中表达,但表达水平低于其他组织。
在某些组织中,一些miRNA预测的靶基因集的表达水平显著高于其他miRNA的表达水平(10%的概率)。我们观察到,这些通常涉及miRNA不正常表达的组织中高表达的组织特异性miRNA,例如肝脏中的miR-1(图). 然而,这种现象似乎并不表明由于这些组织中的miRNA表达较低,miRNA水平的抑制减弱(图和).
miRNAs靶向mRNAs与3'UTR GC含量和长度相关[16,35]. 然而,我们发现目标基因表达显著较低(“低”基因)的miRNAs预测目标基因的3'UTR GC含量与背景基因的3'UTR GC浓度没有一致性差异。然而,对于所有组织,具有显著高目标基因表达(“高”基因)的miRNAs预测目标基因的GC含量显著较低(附加数据文件6)。对于“低”基因,3'UTR长度显著长于背景,但“高”基因甚至更长。这些观察结果的生物学意义尚不清楚。人们可能预期表达较低的基因富含AU,因为miRNAs与含有AU-丰富元素的mRNAs的降解有关[35]. “低”基因的3’UTR越长,miRNA靶点越多,因此降解越严重,但这与“高”基因的更长3’UTRs不一致。
使用替代目标预测方法
某些miRNAs的表达与其预测的靶基因之间的相关性表明,至少TargetScan所建议的一些相互作用是有效的。随机分配miRNA靶基因,而不是使用TargetScan预测,导致低靶基因表达的miRNA减少,并且在复制表达数据集中,低靶基因表达的miRNA之间的重叠显著减少(第页< 0.00001).
接下来,我们研究了是否可以检测到替代算法预测的目标表达的变化。上述许多高表达的已知组织特异性miRNAs(表)当使用miRanda预测的目标基因集进行等效分析时,未观察到[36,37]或RNA杂交[38,39]. 例如,在大脑中,基于TargetScan的分析预测了24种已知miRNAs中的14种,而miRanda和RNAhybrid分别预测了4种和5种。在肝脏,TargetScan、miRanda和RNAhybrid分别预测了八分之五、一和一,在骨骼肌中预测了五、三和五分之一。miR-122a的预测靶点在肝脏中的表达并不低,因此,在使用安替戈米尔治疗后未观察到任何影响。同样,miR-124的预测靶点在其过度表达后的表达水平也没有显著降低。然而,在特定组织中预测的靶基因表达较低的miRNAs的表达水平高于其他组织中的表达水平(附加数据文件7和8),尽管与根据TargetScan预测的等效分析得出的miRNAs相比差异较小(附加数据文件5)。这表明这些预测方法确实检测到了真正的miRNA靶点,但可能有更多的错误预测和/或根据这些标准检测到的靶基因不太容易受到miRNA介导的mRNA水平降低的影响。在基于miRanda或RNA杂交靶预测的分析中检测到的miRNA列在附加数据文件9中。
有人认为靶mRNA可以被5'UTR中的miRNA结合位点所抑制[40]. 使用RNA杂交对所有小鼠5’UTR的靶位点进行分析,得出的预测结果少于3’UTR,并且低靶基因表达的miRNAs与已知的、高表达的组织特异性miRNA(如心脏中的miR-1或肝脏中的miR-122a)之间没有明显的联系。然而,有证据表明梁的miRNA表达数据等. [34]那些预测目标基因表达较低的miRNAs表达更高(附加数据文件10)。这表明miRNAs和5'UTRs之间发生了功能性相互作用体内.
结论
也许令人惊讶的是,考虑到作用于基因表达的广泛调节机制,我们能够检测到miRNAs对其不同靶基因集合的影响。三种分析方法的有效性,包括使用可能被单个极值不均匀扭曲的绝对表达式值,说明了影响的程度,独立数据集之间的相关性非常显著。这些发现进一步证明了miRNAs在调节mRNA表达方面起着重要作用,并且可以影响多个基因的mRNA水平。尽管在人工操纵miRNA水平后,对mRNA表达谱的影响得到了强调[12,13],这些是真的体内影响,因为它们是在来自内生情境的数据中观察到的。我们使用的TargetScan预测的一个局限性是,它们无法区分具有相同种子序列的miRNA家族成员(这已在4.0版中解决)。
miRNAs导致同源mRNAs降解的机制尚不清楚[8,41]可能是翻译抑制过程的副作用,并与miRNA的高表达水平有关。在极少数情况下,如果miR-196和HOXB8 mRNA与靶位点具有广泛的互补性,则miRNA可以直接进行切片器介导的切割[9]. 这里报道的miRNA-靶相互作用并非如此,但它们可能会诱导二烯基化和随后的裂解[42]. 特异性miRNAs能够非常有效地降低某些靶mRNAs的水平,这可能解释了为什么它们对其表达水平非常低的组织(例如大脑中的miR-196)中的基因表达有可检测的影响。这增加了本分析中预测的miR-196靶点可能具有独特特征的可能性。TargetScan(4.0)的更新版本包括有助于预测靶点疗效的功能评分,这些评分汇总在“上下文评分”中[2]. 大脑中表达的miR196的预测靶点的上下文得分并不显著高于其他miRNAs。然而,有几个预测的靶基因,包括HOXB7型和HOXA5型,高上下文分数-这些目标的有效降解可能有助于从低水平miR-196检测到信号。对基因表达谱中miRNA特征的分析将有助于确定那些在mRNA水平上起作用的miRNA,并确定这在多大程度上是由高miRNA表达引起的,或反映了与某些miRNA相关的特定机制。
由于全基因组定量蛋白质分析的技术困难,很难从翻译影响来验证miRNA靶预测。分析miRNAs对靶mRNA表达的影响提供了一种潜在的替代方法。我们采用的目标预测[27,37,39]足够准确,能够检测基因表达谱中的miRNA签名。检测这些miRNA特征的能力也证明了当前微阵列技术的敏感性和再现性。检测到的信号强度可用于评估不同目标预测算法的有效性。以往研究中缺乏显著影响[16]可能是因为所用的靶基因预测在预测导致mRNA降解的miRNA-靶相互作用方面效果较差。
这种方法的一个独特优点是,可以从单个基因表达谱推断miRNA活性,而不必在一系列实验中首先对每个基因的表达进行排序[11,16,17]. 这将有助于从不断积累的大量基因表达数据库中分析个人感兴趣的数据集[20,22]. 它适用于来自任何足够敏感和全面的平台的数据,也适用于因生物来源太少而无法直接检测miRNA而产生的基因表达谱。
我们对有限数量的基因表达谱进行了分析,证明了miRNAs对mRNA表达的主要影响。这些项目可以提供在线服务,使个体研究人员能够获得感兴趣的组织/细胞中miRNA活性的指示。这是一种从基因表达谱获得更多生物学见解的便捷方法。
材料和方法
独立Java和R程序[43]结合MS Access和MS Excel,用于以下分析。
基因表达数据
涵盖一系列组织的小鼠和人类mRNA表达数据集从GEO下载[20,21,44]. 此外,根据不同实验室提交的数据汇编了第二个涵盖相同组织的老鼠数据集。组织、GEO样本和平台登录号列于附加数据文件3中。文献综述确定了克隆、Northern杂交或表达序列标签定位支持的组织特异性miRNA表达的证据。
miRNA靶基因表达的计算
只考虑了单个基因特异性Affymetrix探针(后缀_at),只分析了每个数据集中表达的探针(如果可用,由“当前”调用指定,或者信号强度大于中值)。使用Biomart在线套件将探针ID转换为同源基因符号[45]. 刘易斯发表的miRNA家族及其预测靶基因列表等. [4]已从TargetScan网站(3.1版)下载[27]. 对于小鼠(小鼠基因组430 2.0基因芯片),15682个探针被映射到基因符号,其中3120到3792个探针均为预测的miRNA靶点,并在分析的组织中表达(对于人类,分析了17325个探针和4135-5906个表达靶点)。miRanda预测的其他miRNA靶基因[36,37]从miRBase网站下载[46]. 选择得分和保守性值(P_org)大于平均值的地点进行分析。RNAhybrid算法[39]使用以下参数运行:第页<0.05,能量<-10 kcal/mol,与碱2-7强制结合。
对于每个mRNA表达数据集,编译每个miRNA预测靶向的表达基因及其各自表达水平的列表(计算>1个探针表示的基因的平均值)。只有预测靶点>50的miRNAs被进一步考虑。根据其预测目标基因的平均表达值(根据用于分析数据的主要微阵列归一化算法进行绝对或对数转换)对这些基因进行排序,并在必要时分为上半部分和下半部分。
统计分析
使用三种不同的分析方法比较特定组织中特定miRNA的预测靶点的表达,以及同一组织中miRNA预测靶点所有基因的表达值。为了分析两组排序基因表达值的中位数之间是否存在显著差异,采用非参数单侧Wilcoxon秩和检验。为了验证这一假设,即每组中的基因都来自相同的人群,我们使用了一个单尾Student’st吨-测试(考虑不等方差并使用对数正态化数据)。对于每一个miRNA第页<0.1,我们认为该组织中该miRNA预测靶向的所有基因的表达显著高于或低于所有预测靶基因的平均表达。
为了计算RR值,预测的目标基因按表达值排序,然后按基因的中位数秩或绝对表达值分为两组。对于每个miRNA,低组中靶向的基因数量除以高组中的数量得出RR值。
监控化学品[32]作为绩效的衡量标准。
GC含量和预测靶mRNA 3’UTR长度的计算
鼠标3'UTR数据从Biomart下载[45]. 然后计算GC含量和UTR的长度,以预测被感兴趣的miRNAs组靶向的非冗余基因集。
miRNA-靶点互补性分析
对于感兴趣的miRNA集合,具有大于或等于x发现6bp种子后的相邻互补核苷酸(其中x范围为0-8,0为种子本身,8为种子区域后观察到的最大互补性)。计算预测目标基因的数量时,考虑和不考虑多个miRNA家族成员。
缩写
GEO,基因表达总览;MCC,Matthews相关系数;miRNA,microRNA;RR,排名比;逆转录PCR;UTR,未翻译区域。
作者的贡献
DACS构思了这项研究。AA收集数据并进行数据分析。DACS和AA解释了结果。DACS在AA的协助下起草了手稿。两位作者阅读并批准了最终手稿。
其他数据文件
本文的在线版本提供了以下附加数据。附加数据文件1图中显示了TargetScan预测的每个miRNA的靶基因数量,并在每个小鼠组织中表达。附加数据文件2图中显示了心脏、肾脏、肺、卵巢、骨骼肌和睾丸中所有miRNA的RR值。附加数据文件三是一个表,列出了来自NCBI GEO网站的基因表达数据来源。附加数据文件4是一个表格,列出了为每个组织计算的MCC。附加数据文件5是一系列方框图,显示了小鼠miRNA与TargetScan预测的低表达小鼠靶基因之间的相关性,以及RT-PCR检测到同源组织中同源人类miRNA的表达水平。附加数据文件6图中显示了一系列组织中miRNA预测靶mRNA的3’UTR的GC含量和长度。附加数据文件7是一系列方框图,显示miRNA与miRanda预测的低表达靶基因和RT-PCR检测到的miRNA表达水平之间的相关性。附加数据文件8是一系列方框图,显示了miRNAs与RNA杂交预测的低表达靶基因和RT-PCR检测到的miRNA表达水平之间的相关性。附加数据文件9是一个表,列出了由miRanda和RNAhybrid确定的靶基因表达显著较低的miRNAs。
附加数据文件10是一系列箱形图,显示具有低表达预测靶基因的miRNAs,如假定的5’UTR位点所定义的,其表达水平高于那些对靶基因表达无影响的miRNAs。
补充材料
附加数据文件1:每个miRNA(x轴)的预测目标基因数量(y轴)以不同的符号显示,每个组织(灰色圆圈,大脑;绿色三角形,肾脏;蓝色方形,肺;绿色菱形,骨骼肌;白色圆圈,心脏;红色三角形,肝;紫色方形,卵巢;黄色菱形,睾丸)。未考虑在特定组织中表达的预测靶基因少于50个的miRNA(见虚线)。
附加数据文件2:每个面板显示来自单个组织的数据。miRNA根据RR值以升序排列,显示在左侧y轴上,并显示为红线。较高的值反映了较低的目标基因表达,因此,表明miRNA活性。预测的靶基因数量显示在右侧y轴上,每个miRNA的值用虚线表示。
附加数据文件3:基因表达数据来源于NCBI GEO网站。
附加数据文件4:这些参数是从表中的预测和证据中获得的.
附加数据文件5:方框图描述了小鼠同源基因具有低、中或高预测目标基因表达(如文中所定义)的microRNA组(x轴)的拷贝数(y轴)。如果需要有效地表示中位数和四分位数范围,则省略了多达两个离群值。
附加数据文件6:每行上的图表显示了来自单个组织的数据,第一列描述了3'UTR长度和第二个GC内容。预测的目标基因分为三组,低(红色)、中(橙色)和高(黄色)。低水平组的靶基因表达总体显著较低的miRNAs,中水平组的靶标基因表达总体在预期范围内的miRNAs,高水平组的目标基因表达总体较高的miRNA。每组基因(x轴)的3’UTR的平均碱基长度或%GC含量(y轴)用标准误差条表示。
附加数据文件7:miRNAs被分为显著低于预期目标mRNA表达(标记为“低”)和对其目标表达无明显影响(标记为‘mid’)的两类。箱线图显示了各组miRNAs的拷贝数(y轴)(x轴),并说明了低靶基因表达的miRNAs的显著高表达。选择y轴的刻度(拷贝数)是为了便于组间的视觉比较,并且需要从几个图形中删除多达三个离群值。
附加数据文件8:miRNAs被分为显著低于预期靶mRNA表达(标记为“低”)和对其预测靶mRNA的表达无明显影响(标记为‘mid’)的miRNA。箱线图显示了低靶基因表达的miRNAs的显著高表达。选择y轴的刻度(拷贝数)是为了便于组间的视觉比较,并且需要从几个图形中删除多达三个离群值。
附加数据文件9:miRanda和RNAhybrid确定的靶基因表达显著较低的miRNAs。
附加数据文件10:根据潜在5'UTR miRNA结合位点预测的靶基因表达,将miRNAs分为组。对于每个组织(大脑、心脏、肾脏、肝脏、肺、卵巢、骨骼肌和睾丸),方框图显示了由RT-PCR确定的miRNA拷贝数[34]各组miRNAs的(y轴)(“低”和“中”,x轴)。
鸣谢
我们要感谢所有公开基因表达数据的研究人员的贡献,没有他们,本研究就不可能进行。我们感谢Tom Gardiner、Gareth McKay、Tim Curtis和Colin Willoughby博士的有益讨论。AA由SPUR学生奖学金资助。
工具书类
- Bartel博士。微RNA:基因组学、生物发生、机制和功能。单元格。2004;116:281–297. doi:10.1016/S0092-8674(04)00045-5。[公共医学] [交叉参考][谷歌学者]
- Grimson A、Farh KK、Johnston WK、Garrett-Engele P、Lim LP、Bartel DP。哺乳动物中微RNA靶向特异性:种子配对以外的决定因素。分子细胞。2007;27:91–105. doi:10.1016/j.molcel.2007.06.017。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- Maziere P,Enright AJ。预测microRNA靶点。今日毒品发现。2007;12:452–458. doi:10.1016/j.drudis.2007.04.002。[公共医学] [交叉参考][谷歌学者]
- Lewis BP、Burge CB、Bartel DP。保守的种子配对,通常两侧有腺苷,表明数千人类基因是microRNA的靶标。单元格。2005;120:15–20. doi:10.1016/j.cell.2004.12.035。[公共医学] [交叉参考][谷歌学者]
- Lewis BP、Shih IH、Jones-Rhoades MW、Bartel DP、Burge CB。哺乳动物microRNA靶点的预测。单元格。2003;115:787–798. doi:10.1016/S0092-8674(03)01018-3。[公共医学] [交叉参考][谷歌学者]
- Tang G,Reinhart BJ,Bartel DP,Zamore PD。植物RNA沉默的生化框架。基因发育。2003;17:49–63. doi:10.1101/gad.1048103。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- Llave C、Xie Z、Kasschau KD、Carrington JC。一类拟南芥miRNA引导的稻草人样mRNA靶点的切割。科学。2002;297:2053–2056. doi:10.126/science.1076311。[公共医学] [交叉参考][谷歌学者]
- Pillai RS、Bhattacharyya SN、Filipowicz W.miRNAs抑制蛋白质合成:有多少机制?趋势细胞生物学。2007;17:118–126. doi:10.1016/j.tcb.2006.12.007。[公共医学] [交叉参考][谷歌学者]
- Yekta S、Shih IH、Bartel DP。HOXB8 mRNA的微RNA定向切割。科学。2004;304:594–596. doi:10.1126/science.1097434。[公共医学] [交叉参考][谷歌学者]
- Bagga S、Bracht J、Hunter S、Massirer K、Holtz J、Eachus R、Pasquinelli AE。let-7和lin-4 miRNAs的调节导致靶mRNA降解。单元格。2005;122:553–563. doi:10.1016/j.cell.2005.07.031。[公共医学] [交叉参考][谷歌学者]
- Lim LP、Lau NC、Garrett-Engele P、Grimson A、Schelt JM、Castle J、Bartel DP、Linsley PS、Johnson JM。微阵列分析表明,一些微RNA下调了大量靶mRNA。自然。2005;433:769–773. doi:10.1038/nature03315。[公共医学] [交叉参考][谷歌学者]
- Wang X,Wang X.通过结合靶点预测和表达谱对microRNA功能进行系统鉴定。核酸研究。2006;34:1646–1652. doi:10.1093/nar/gkl068。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- Krutzfeldt J、Rajewsky N、Braich R、Rajeev KG、Tuschl T、Manoharan M、Stoffel M。沉默microRNA体内用“antagomirs”。自然。2005;438:685–689. doi:10.1038/nature04303。[公共医学] [交叉参考][谷歌学者]
- Schmitter D、Filkowski J、Sewer A、Pillai RS、Oakeley EJ、Zavolan M、Svoboda P、Filipowicz W。Dicer和Argonaute下调人类HEK293细胞mRNA水平的作用。核酸研究。2006;34:4801–4815. doi:10.1093/nar/gkl646。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- Rehwinkel J、Natalin P、Stark A、Brennecke J、Cohen SM、Izaurralde E。受Drosha和Argonaute蛋白调控的mRNA的全基因组分析黑腹果蝇.分子细胞生物学。2006;26:2965–2975. doi:10.1128/MCB.26.8965-2975.2006。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- Sood P、Krek A、Zavolan M、Macino G、Rajewsky N。靶mRNA表达上microRNA的细胞型特异性签名。美国国家科学院程序。2006;103:2746–2751. doi:10.1073/pnas.0511045103。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- Farh KK、Grimson A、Jan C、Lewis BP、Johnston WK、Lim LP、Burge CB、Bartel DP。哺乳动物microRNA对mRNA抑制和进化的广泛影响。科学。2005;310:1817–1821. doi:10.1126/science.1121158。[公共医学] [交叉参考][谷歌学者]
- MAQC Consortium、Shi L、Reid LH、Jones WD、Shippy R、Warrington JA、Baker SC、Collins PJ、de Longueville F、Kawasaki ES、Lee KY、Luo Y、Sun YA、Willey JC、Setterquist RA、Fischer GM、Tong W、Dragan YP、Dix DJ、Fureh FW、Goodsaid FM、Herman D、Jensen RV、Johnson CD、Lobenhofer EK、Puri RK、Schrf U、Thierry-Mieg J、Wang C、Wilson M等。MicroArray质量控制(MAQC)项目显示了基因表达测量的平台间和平台内再现性。国家生物技术。2006;24:1151–1161. doi:10.1038/nbt1239。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- Kuo WP、Liu F、Trimarchi J、Punzo C、Lombardi M、Sarang J、Whipple ME、Maysuria M、Serikawa K、Lee SY、McCrann D、Kang J、Shearstone JR、Burke J、Park DJ、Wang X、Rector TL、Ricciardi-Castagnoli P、Perrin S、Choi S、Bumgarner R、Kim JH、Short GF、3rd、Freeman MW、Seed B、Jensen R、Church GM、Hovig E、Cepko CL、Park P等。不同杂交技术中基因表达测量的序列比较。国家生物技术。2006;24:832–840. doi:10.1038/nbt1217。[公共医学] [交叉参考][谷歌学者]
- Barrett T、Troup DB、Wilhite SE、Ledoux P、Rudnev D、Evangelista C、Kim IF、Soboleva A、Tomashevsky M、Edgar R.NCBI GEO:挖掘数以千万计的表达谱-数据库和工具更新。核酸研究。2007;35:D760–D765。doi:10.1093/nar/gkl887。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- NCBI基因表达总览http://www.ncbi.nlm.nih.gov/projects/geo/
- Parkinson H、Kapushesky M、Shojatalab M、Abeygunawardena N、Coulson R、Farne A、Holloway E、Kolesnykov N、Lilja P、Lukk M、Mani R、Rayner T、Sharma A、William E、Sarkans U、Brazma A.ArrayExpress——微阵列实验和基因表达谱的公共数据库。核酸研究。2007;35:D747–D750。doi:10.1093/nar/gkl995。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- Yu Z,Jian Z,Shen SH,Purisima E,Wang E.对microRNA靶基因表达的整体分析表明,microRNA目标在成熟小鼠和果蝇组织中的表达低于胚胎。核酸研究。2007;35:152–164. doi:10.1093/nar/gkl1032。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- Didiano D,Hobert O。完美种子配对通常不是miRNA-靶相互作用的可靠预测因子。自然结构分子生物学。2006;13:849–851. doi:10.1038/nsmb1138。[公共医学] [交叉参考][谷歌学者]
- Saetrom P、Heale理学学士、Snove O,Jr、Aagaard L、Alluin J、Rossi JJ。microRNA靶点之间的距离限制决定了疗效和合作性。核酸研究。2007;35:2333–2342. doi:10.1093/nar/gkm133。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- LS,Zhang Z.结合位点排列和组合靶向在微RNA抑制基因表达中的作用。基因组生物学。2007;8:R166.doi:10.1186/gb-2007-8-8-R166。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- TargetScan:预测MicroRNA靶点网址:http://www.targetscan.org/
- Lagos-Quintana M,Rauhut R,Yalcin A,Meyer J,Lendecel W,Tuschl T.小鼠组织特异性微RNA的鉴定。当前生物量。2002;12:735–739. doi:10.1016/S0960-9822(02)00809-6。[公共医学] [交叉参考][谷歌学者]
- Sempere LF、Freemantle S、Pitha-Rowe I、Moss E、Dmitrovsky E、Ambros V。哺乳动物microRNAs的表达谱揭示了脑表达microRNA的子集,可能在小鼠和人类神经元分化中发挥作用。基因组生物学。2004;5:R13.doi:10.1186/gb-2004-5-3-R13。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- Ason B、Darnell DK、Wittbrodt B、Berezikov E、Kloosterman WP、Wittebrodt J、Antin PB、Plasterk RH。脊椎动物microRNA表达的差异。美国国家科学院程序。2006;103:14385–14389. doi:10.1073/pnas.0603529103。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- 崔Q,于Z,Purisima EO,王E.基因表达的微RNA调控和种间变异。趋势基因。2007;23:372–375. doi:10.1016/j.tig.2007.04.003。[公共医学] [交叉参考][谷歌学者]
- Matthews BW。T4噬菌体溶菌酶二级结构预测值与观察值的比较。Biochim生物物理学报。1975;405:442–451.[公共医学][谷歌学者]
- Thomson JM、Parker J、Perou CM、Hammond SM。用于分析microRNA基因表达的定制微阵列平台。自然方法。2004;1:47–53. doi:10.1038/nmeth704。[公共医学] [交叉参考][谷歌学者]
- Liang Y,Ridzon D,Wong L,Chen C.正常人体组织中microRNA表达谱的表征。BMC基因组学。2007;8:166.网址:10.1186/1471-2164-8-166。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- Jing Q,Huang S,Guth S,Zarubin T,Motoyama A,Chen J,Di Padova F,Lin SC,Gram H,Han J.微RNA参与AU-富元素介导的mRNA不稳定性。单元格。2005;120:623–634. doi:10.1016/j.cell.2004.12.038。[公共医学] [交叉参考][谷歌学者]
- John B、Enright AJ、Aravin A、Tuschl T、Sander C、Marks DS。人类微RNA靶点。《公共科学图书馆·生物》。2004;2:e363.doi:10.1371/journal.pbio.0020363。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- 人类MicroRNA靶点网址:http://www.microrna.org/
- Rehmsmeier M,Steffen P,Hochsmann M,Giegerich R.快速有效预测microRNA/靶标双链。RNA。2004;10:1507–1517. doi:10.1261/rna.5248604。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- Bielefeld生物信息服务器上的RNAhybrid Web工具http://bibiserv.techfak.uni-bielefeld.de/rnahidd/
- Lytle JR、Yario TA、Steitz JA。5’UTR中的microRNA-binding位点与3’UTR一样有效地抑制靶mRNAs。美国国家科学院程序。2007;104:9667–9672. doi:10.1073/pnas.0703820104。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- Jackson RJ,Standart N.微RNA如何调节基因表达?科学STKE。2007;2007:re1.doi:10.1126/stke.3672007re1。[公共医学] [交叉参考][谷歌学者]
- Giraldez AJ、Mishima Y、Rihel J、Grocock RJ、Van Dongen S、Inoue K、Enright AJ、Schier AF。斑马鱼MiR-430促进母体mRNAs的死基化和清除。科学。2006;312:75–79. doi:10.1126/science.1122689。[公共医学] [交叉参考][谷歌学者]
- 全面的R存档网络http://cran.r-project.org/
- Edgar R,Domrachev M,Lash AE。基因表达总括:NCBI基因表达和杂交阵列数据存储库。核酸研究。2002;30:207–210. doi:10.1093/nar/30.1.207。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- 生物集市项目http://www.biorart.org网站/
- miRBase目标网址:http://microrna.sanger.ac.uk/targets/
- Gu J,He T,Pei Y,Li F,Wang X,Zhang J,ZhangX,Li Y.通过将EST映射到其侧翼序列来检测哺乳动物基因间microRNAs的初级转录和表达。哺乳动物基因组。2006;17:1033–1041. doi:10.1007/s00335-006-0007-9。[公共医学] [交叉参考][谷歌学者]
- Naraba H,Iwai N.盐敏感性高血压中微RNA系统的评估。高血压研究。2005;28:819–826. doi:10.1291/hypres.28.819。[公共医学] [交叉参考][谷歌学者]
- Zhao Y,Samal E,Srivastava D.血清反应因子调节心肌发生过程中靶向Hand2的肌肉特异性微RNA。自然。2005;436:214–220. doi:10.1038/nature03817。[公共医学] [交叉参考][谷歌学者]
- Lagos-Quintana M,Rauhut R,Lendeckel W,Tuschl T.小表达RNA编码新基因的鉴定。科学。2001;294:853–858. doi:10.1126/science.1064921。[公共医学] [交叉参考][谷歌学者]
- Lagos-Quintana M、Rauhut R、Meyer J、Borkhardt A、Tuschl T。小鼠和人类的新microRNAs。RNA。2003;9:175–179. doi:10.1261/rna.2146903。 [PMC免费文章][公共医学] [交叉参考][谷歌学者]
- Hayashita Y、Osada H、Tatematsu Y、Yamada H、Yanagisawa K、Tomida S、Yatabe Y、Kawahara K、Sekido Y、Takahashi T。多顺反子microRNA簇miR-17-92在人类肺癌中过度表达,并促进细胞增殖。癌症研究。2005;65:9628–9632. doi:10.1158/0008-5472.CAN-05-2352。[公共医学] [交叉参考][谷歌学者]
- Yu Z、Raabe T、Hecht NB。MicroRNA Mirn122a通过mRNA切割降低转录后调节的生殖细胞转换蛋白2(Tnp2)信使RNA(mRNA)的表达。生物再现。2005;73:427–433. doi:10.1095/biolreprod.105.040998。[公共医学] [交叉参考][谷歌学者]