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