MiOncoCirc：一个值得关注的肿瘤信息网站

---

2019年2月7日 (农历己亥年正月初三) CELL 将circRNA再次刷亮，恰如13年年末 Nature 两篇circRNA报道一样，直接撞开circRNA研究大门。今天的推送先来看以下这一篇  ↓ ↓ ↓

一个circRNA测序建库方法

首先要介绍的是一个circRNA数据的获取手段 ——  exome capture sequencing。这是一种较RNase 处理链特异性文库来说，能够更好地揭开线性与环状之间的关系，更完整展示circRNA数据的测序方法。该方法在2015年就被提出，该团队可谓是三年攒了一个大招。

The exome-capture transcriptome protocol.  (A) Flow-chart oflibrary preparation protocols.  (B) Controlled in vitro degradation through cell lysis and warm incubation.

相较于oligo（dT）磁珠富集mRNA来说，exome-capture (short “capture”) RNA-seq library preparation 特点在于：

Unique to capture transcriptomes is an overnight capture reaction (RNA-DNA hybridization) using exon-targeting RNA probes, followed by a washing step, and an additional set of PCR cycles.

作者提到该方法能够精确且无偏好地评估RNA丰度，转录本覆盖度。构建文库所需的总RNA起始浓度为0.1-3ug (100ng样本需要提高PCR循环数)。VCaP 前列腺癌细胞测试中，外显子捕获的方法能够获得大多数Ribo-Zero文库中circRNA (Figure 1B)，且保留了 circular-to-linear fractions (Figure 1C)。而后经RNase R消化后的结果 (Figure 1D)证实外显子捕获文库构建的方法获得circRNA为真实存在。

一个新数据库 MiOncoCirc

第二个亮点是作者构建了 MiOncoCirc，迄今为止最全面的、以肿瘤组织circRNA数据目录。网址如下：https://mioncocirc.  (点击阅读原文直达)

Of note, MiOncoCirc is the first cancer-focused circRNA resource to be generated from an extensive array of tumor tissues.

此处感谢@冻春卷，解释了各种癌症肿瘤的关系：tumor = neoplasm 包括良性 (benign)以及恶性 (malignant)，一种具有迁移性且不受程序性凋亡控制的非正常组织。

MiOncoCirc 主要包含已报道的临床样本、癌症及对照数据集，共计868个(Figure 2A)。所采用的circRNA识别方法为 STAR + CIRCexplorer (Figure 2B)，同时采用自主分析流程 CODAC(Comprehensive Detection and Analysis of Chimeras)，最初用于RNA-seq PE分析中结构重排 (structural rearrangements)，现拓展应用于circRNA的注释，特别是涉及多个基因场景下。CODAC详情见地址：https://github.com/mcieslik-mctp/codac.

MiOncoCirc 数据库的特征

• overlap
  作者将阈值设置为：circRNA至少出现在5个样本数据集。MiOncoCirc 在环形转录本 (Figure 3A) 及其来源基因的数量显著大于circBase。但是当条件放宽时，两者之间的差距不再这么明显，可能是由于两个compendia中组织类型的差异导致。

• circRNA species
  circRNA isoforms随着单个基因所包含的外显子数量的增加而增加 (Figure 3B, binned to 10)。而在其中，非经典剪切信号中，最常见的为GC-AG (0.7%) or AT-AC (0.05%)。

• abundance
  首先作者计算了来源基因与相关circRNA之间平均表达丰度的相关性(采用 FPKM, Figure 3C)，结果显示circRNA的丰度变化并不能通过亲本基因的表达进行直接解释，但是其可能涉及剪切机制的调控或者在肿瘤组织中circRNA的形成 (Figure 3D)。
  Figure 3E中 “high”组所展示的为高表达丰度的circRNA( ≥ 5x中位数表达)，来自于589个基因，能够在90%以上的组织中检测到这些circRNA。而不同表达丰度的circRNA，在基因组特征也具有一些有意思的特征，如侧翼内含子的长度以及重复元件等 (Figure 3F)。

MiOncoCirc的使用

• 支持下载，内容见下图

• 数据搜索，以获得所选基因转录的所有circRNA，点击不同的亚型，将展示在不同癌症细胞系中该亚型的表达丰度。

文中作者首先验证 MiOncoCirc 中获得目标circRNA的稳定性，通过对核酸外切酶的抗性检测以及比较血液与尿液中circRNA与线性转录本的比例评估，qRT-PCR验证非侵入性检测手段(前列腺癌患者尿液)circRNA的种类后构建文库测序。获得的数据对比MiOncoCirc上PRAD组织中鉴定的circRNA，最终确认即便在低起始量RNA (50ng) 的情况下，尿液样本适用于外显子捕获测序以分析前列腺癌患者的circRNA。

展望与应用

介于circRNA独特的拓扑结构，以及表达情况，能够将其分为三类：组织特异性，低组织特异性以及普遍存在。收录于 MiOncoCirc 资源中，来源于具有谱系特异性基因的circRNA可用作区分不同组织类型的生物标记物，同时能够横向比较不同表达丰度circRNA的特征，有助于阐明circRNA的功能，开发应用于诊断医学。