|
随着RNA研究系统化和高通量测序技术的发展，基于测序的全转录组研究可以对多种RNA信息包括mRNA和ncRNA（miRNA,lncRNA, circRNA等）进行整合分析，能够比较全面地探索潜在的网络调控机制，已逐渐成为RNA组学研究的趋势。 先前我们在农学circRNA微信文章中分享过猕猴桃circRNA研究案例，这次我们增加lncRNA的文章部分。作者利用一种建库方法，阐述了猕猴桃不同品种抗病相关的lncRNA，circRNA以及分别与mRNA关系，发表两篇文章。通过对两篇文章思路的梳理，可以更好帮助我们设计全转录组研究方案。
利用全转录组测序对非编码RNA如：lncRNA，circRNA以及和编码基因间的关系进行多种分析，可以系统地研究植物免疫应答中的RNA调控作用，深入了解宿主−病原互作相关分子生物学机制，从而有效控制病原感染。 circRNAs研究内容和结果可以参考前期微信文章（戳这里）。主要通过以下几个方面来研究不同品种，病原感染相关的circRNA：
lncRNA的研究思路与circRNA部分很相似，在基因互作方面，circRNA侧重于研究circRNA与其来源基因的相关性；而lncRNA主要分析cis/trans调控。
共鉴定到14,845个lncRNA transcripts，根据基因组位置，可以分为intergenic lncRNAs (10,238个), antisense lncRNAs (1,874个), intronic lncRNAs (75个), overlapping lncRNAs (1434个)以及其它lncRNAs (1,805) (图. 1c)。lncRNAs的平均长度774 bp，平均 GC content为36.78%, 两者都低于编码基因(分别为~2.8 kb和42.49%,) (图. 2d)。结果显示与编码基因相比，lncRNAs的序列特征呈现一定的多样性。 图 1. LncRNA流程分析和结果统计 PCA分析显示3个品种的猕猴桃基因表达聚成3组，说明基因表达的品种特异性。维恩图直观的展示不同品种间mRNA和lncRNA的情况。 图 2. lncRNA和mRNA表达PCA分析和不同品种间基因维恩图
通过计算基因间的相关性Spearman相关系数(rs)，作者发现cis/trans间一些正负调控规律，如在在1.58 × 10^9个trans调控关系中，正调控的比例较高，其中1.33% mRNA-mRNA, 0.79% mRNA-lncRNA, 以及1.94%的lncRNA–lncRNA显著正相关（rs > 0.8）。
在1.69 × 10^5个cis关系中显著正调控的比例也要高于负调控；lncRNA-lncRNA间没有显著负调控（rs <>）。
再对cis调控显著正相关lncRNA-mRNA进行GO富集分析，显示与应激，免疫和代谢等生物学进程相关，暗示这些基因参与了病原-宿主相关调控。
图 3. Cis/trans基因对间相关性研究和GO富集分析 将998个lncRNAs和8,700个mRNA根据共表达关系归类成22个模块，发现有14个模块与品种显著相关；模块6, 12和15与样本处理阶段DPI显著相关（图4）。
图 4. 共表达的WGCNA模块基因与表型关联分析（leaf area , DPI和species）
作者再以模块17为例，对其模块基因mRNA进行GO富集分析，发现一些与lncRNA显著相关的mRNA在植物免疫和抗病相关信号通路中，如lncRNA TCONS_0019494涉及systemic acquired resistance, MAPK cascade；TCONS_00202033与先天性免疫应答和 salicylic acid-mediated信号通路有关(图5)。 图5. 模块17中lncRNA显著相关的mRNA GO富集分析
1. 全转录组关键在于如何利用测序数据，从不同角度进行整合分析，这两篇文章都是从鉴定lncRNA和circRNA入手，分别分析了两两基因间（nc-mRNA）的相关性，对差异基因和基因对进行功能注释研究，两篇文章思路相似，一份测序达到事半功倍的效果；
2. 文章测序样本量相对较多（>15个），基因表达模式比较研究较为复杂，在样本量逐渐增多的研究趋势下，采用WGCNA等其它生物信息学方法进行数据挖掘的需求也会越来越多；
3. 作者只分析了两两基因间（nc-mRNA）的相关性和调控方式，此外，通过预测靶向miRNA或miRNA测序，分析三种基因间的ceRNA网络调控也是全转录组的另一种思路。 今天的内容就到这里啦~ 相关文章
|
|
|
