microRNA-pcr芯片

背景^[1-7]

microrna pcr array(microRNA-pcr芯片)是一种检测microRNA的高通量qPCR技术。MicroRNA（miRNA）是一类内源性非编码小RNA,广泛存在于多种生物体内,通过调控靶基因的转录表达影响各种生命活动。微小RNA(miRNA)是一种内源性的非编码小RNA(18~25个核苷酸),通过降解或抑制mrna其翻译,对基因进行转录后水平的调控。miRNA参与调控多个生物学过程,有望成为治疗相关疾病的重要靶点。MicroRNA(miRNA)是一类内生的、长度约为20-24个核苷酸的小RNA，其在细胞内具有多种重要的调节作用。

每个miRNA可以有多个靶基因，而几个miRNA也可以调节同一个基因。这种复杂的调节网络既可以通过一个miRNA来调控多个基因的表达，也可以通过几个miRNA的组合来精细调控某个基因的表达。据推测，miRNA调节着人类三分之一的基因。最近的研究表明大约70%的哺乳动物miRNA是位于TUs区,且其中大部分是位于内含子区(Kim&Nam,2006)。一些内含子miRNA的位置在不同的物种中是高度保守的。miRNA不仅在基因位置上保守,序列上也呈现出高度的同源性(Pasquinelli etal,2000;Ruvkun et al,2001;Lee&Ambros,2001)。

miRNA高度的保守性与其功能的重要性有着密切的关系。miRNA与其靶基因的进化有着密切的联系,研究其进化历史有助于进一步了解其作用机制和功能。小RNA(microRNA)是一类新发现的长度约为21～25个核苷酸的RNA，它在转录后水平调节靶基因表达。

已有研究表明，小RNA在发育、细胞增殖、凋亡、脂类代谢、激素分泌及肿瘤发生等多种生理和病理过程中发挥重要作用.针对小RNA的研究方法主要包括两大类:一是以传统实验技术方法为基础建立起来的小RNA特有的技术方法，二是已成熟应用的生物信息学技术.前者侧重于小RNA表达的检测和功能机制的阐明，后者则包括新小RNA基因及小RNA靶基因的预测.两者相辅相成，互为补充，为深入地研究这类分子的功能和分子机制提供了大量功能线索，及确凿的实验证据。

应用^[8][9]

microRNA-pcr芯片可用于研究microRNA组成的基因调控网络：

在真核生物中，有两类重要的调控因子：转录因子和microRNA(miRNA)。转录因子是一类具有特定功能的蛋白质，它通过结合到基因的启动子区域来开启基因的转录过程。与此同时，转录因子存在广泛的合作调控。它们对应的结合位点组合在一起形成顺式调控模块，共同调控基因转录。miRNA是近年来研究发现的一种新的基因调控元件。它是长度约为22个碱基的非编码RNA，通过与mRNA结合，抑制mRNA的翻译或使mRNA降解，从而实现基因的转录后调控。转录因子、顺式调控模块以及miRNA在基因表达调控中起到了重要的作用，这种调控作用遍及各种生物活动以及疾病发生过程。

在此基础上，研究发现转录因子和miRNA存在着广泛的相互作用和合作调控，它们组成了一个复杂的调控网络。在这个网络中，有一种重要的结构模式――前馈环。这种结构在众多生物过程中都有至关重要的调控作用。因此，研究这一调控网络的结构和功能是基因的调控机制研究中的重要问题。传统的方法通过基因序列的分析来预测转录因子和miRNA的下游靶基因，从而构建基因调控网络。但是这些计算的方法具有比较高的假阳性。

随着生物技术的发展，实验研究产生了大量的基因和miRNA表达的高通量数据，它们为基因调控网络的研究提供了新的依据。利用GALASSO分析乳腺癌基因表达数据，构建由转录因子、miRNA及其调控基因组成的调控网络。通过网络结构的分析，全面了解转录因子和miRNA的合作调控机制以及前馈环结构在基因调控中的作用，并深入认识它们在癌症中的功能。

另外，进一步讨论顺式调控模块和miRNA的合作调控关系。构建一种由顺式调控模块和miRNA组成的新的合作调控模块。通过分析基因表达模式以及调控网络的结构，我们对于它们的共调控机理和在生物胚胎发育中的作用都进行深入的阐释。综上，对转录因子，顺式调控模块和miRNA所构成的基因调控网络进行全面而深入的分析。这一研究有助于了解基因的调控机制，认识生物过程及疾病发生背后的机理，对于揭开生命之谜以及疾病的诊断治疗具有重要的帮助。

参考文献

[1]An Extensive MicroRNA-Mediated Network of RNA-RNA Interactions Regulates Established Oncogenic Pathways in Glioblastoma[J].Pavel Sumazin,Xuerui Yang,Hua-Sheng Chiu,Wei-Jen Chung,Archana Iyer,David Llobet-Navas,Presha Rajbhandari,Mukesh Bansal,Paolo Guarnieri,Jose Silva,Andrea Califano.Cell.2011(2)

[2]Uncovering Early Response of Gene Regulatory Networks in ESCs by Systematic Induction of Transcription Factors[J].Akira Nishiyama,Li Xin,Alexei A.Sharov,Marshall Thomas,Gregory Mowrer,Emily Meyers,Yulan Piao,Samir Mehta,Sarah Yee,Yuhki Nakatake,Carole Stagg,Lioudmila Sharova,Lina S.Correa-Cerro,Uwem Bassey,Hien Hoang,Eugene Kim,Richard Tapnio,Yong Qian,Dawood Dudekula,Michal Zalzman,Manxiang Li,Geppino Falco,Hsih-Te Yang,Sung-Lim Lee,Manuela Monti,Ilaria Stanghellini,Md.Nurul Islam,Ramaiah Nagaraja,Ilya Goldberg,Weidong Wang,Dan L.Longo,David Schlessinger,Minoru S.H.Ko.Cell Stem Cell.2009(4)

[3]Expression profiling of microRNAs by deep sequencing[J].Chad J.Creighton,Jeffrey G.Reid,Preethi H.Gunaratne.Briefings in Bioinformatics.2009(5)

[4]Partial Correlation Estimation by Joint Sparse Regression Models[J].Jie Peng,Pei Wang,Nengfeng Zhou,Ji Zhu.Journal of the American Statistical Association.2009(486)

[5]Connecting microRNA Genes to the Core Transcriptional Regulatory Circuitry of Embryonic Stem Cells[J].Alexander Marson,Stuart S.Levine,Megan F.Cole,Garrett M.Frampton,Tobias Brambrink,Sarah Johnstone,Matthew G.Guenther,Wendy K.Johnston,Marius Wernig,Jamie Newman,J.Mauro Calabrese,Lucas M.Dennis,Thomas L.Volkert,Sumeet Gupta,Jennifer Love,Nancy Hannett,Phillip A.Sharp,David P.Bartel,Rudolf Jaenisch,Richard A.Young.Cell.2008(3)

[6]Learning Causal Bayesian Network Structures From Experimental Data[J].Byron Ellis,Wing Hung Wong.Journal of the American Statistical Association.2008(482)

[7]MicroRNA-Mediated Feedback and Feedforward Loops Are Recurrent Network Motifs in Mammals[J].John Tsang,Jun Zhu,Alexander van Oudenaarden.Molecular Cell.2007(5)

[8]MicroRNA Targeting Specificity in Mammals:Determinants beyond Seed Pairing[J].Andrew Grimson,Kyle Kai-How Farh,Wendy K.Johnston,Philip Garrett-Engele,Lee P.Lim,David P.Bartel.Molecular Cell.2007(1)

[9]苏乃芳.转录因子和microRNA组成的基因调控网络的生物信息学分析[D].北京大学,2013.