2023
研究汇总
欢迎各位来到“circRNA研究报道汇总”栏目,本期从pubmed中检索收集最新发布(20230227-0305)的circRNA文献共计28篇,下面我们一起来看看,circRNA研究最近有哪些新进展。检索式:(circRNA[Title/Abstract]) OR circular RNA[Title/Abstract]

01、控制哺乳动物细胞蛋白质表达的合成环状RNA开关和电路
标题:Synthetic circular RNA switches and circuits that control protein expression in mammalian cells杂志Nucleic Acids Res

影响因子19.160

通讯作者Shigetoshi Kameda(日本京都大学iPS细胞研究与应用中心)

背景

合成信使RNA(mRNA)作为基于mRNA的治疗和疫苗的一种新兴应用被广泛关注。最近,合成环状RNA(circRNAs)也已显示出作为一类新的合成mRNA的前景,能够在细胞中实现优异的稳定性和持久的基因表达。然而,circRNA的翻译控制仍然具有挑战性。该项研究提出了“circRNA开关”,能够通过检测细胞内RNA或蛋白质来控制circRNA的蛋白质表达。作者通过将miRNA结合序列或蛋白质结合序列分别插入非翻译区(UTR)或柯萨奇病毒B3内部核糖体进入位点(CVB3 IRES),设计了microRNA(miRNA)和蛋白质响应性circRNA开关。工程化的circRNA在不诱导严重细胞毒性和免疫原性的情况下有效表达报告蛋白,并对靶miRNA或蛋白质作出反应,以细胞类型特异性的方式控制circRNA的翻译水平。此外,我们构建了基于circRNA的基因电路,通过连接miRNA和蛋白质响应性circRNA,通过检测内源性miRNA来选择性地激活翻译。在持续表达水平方面,设计的circRNA电路比基于线性mRNA的电路表现更好。合成circRNA装置为RNA工程提供了新的见解,并在RNA合成生物学和治疗方面具有潜力。

基于circRNA的基因电路通过检测miRNA来激活翻译
02、mcPGK1依赖的PGK1线粒体导入促进肝脏TIC的代谢重编程和自我更新
标题:mcPGK1-dependent mitochondrial import of PGK1 promotes metabolic reprogramming and self-renewal of liver TICs杂志:Nat Commun

影响因子:17.694

通讯作者:陈真真(郑州大学生命科学学院)

背景:

肝肿瘤起始细胞(TICs)有助于肿瘤的起始、转移、进展和耐药性。代谢重编程是癌症的标志,在肝脏肿瘤发生中起着至关重要的作用。然而,代谢重编程在TIC中的作用仍有待研究。作者在该项研究中鉴定了一种线粒体编码的环状RNA,称为mcPGK1(用于转移磷酸甘油酸激酶1的线粒体环状RNA),它在肝脏TIC中高度表达。mcPGK1敲低会损害肝脏TIC的自我更新,而其过表达会驱动肝脏TIC自我更新。在机制上,mcPGK1通过抑制线粒体氧化磷酸化(OXPHOS)和促进糖酵解来调节代谢重编程。这改变了细胞内α-酮戊二酸和乳酸的水平,它们是Wnt/β-连环蛋白激活和肝脏TIC自我更新的调节剂。此外,mcPGK1通过TOM40相互作用促进PGK1线粒体导入,通过PGK1-PDK1-PDH轴将代谢从氧化磷酸化重新编程为糖酵解。这项研究成果表明,线粒体编码的circRNA是控制线粒体功能、代谢重编程和肝脏TIC自我更新的额外调节层。

McPGK1促进PGK1进入线粒体
03、基于多源功能信息的协同深度学习改进疾病相关circRNA预测
标题:Collaborative deep learning improves disease-related circRNA prediction based on multi-source functional information杂志:Brief Bioinform

影响因子:13.994

通讯作者:彭佳杰(西北理工大学计算机科学学院)

背景:

新的研究表明,环状RNA(circRNAs)参与多种生物过程,并在疾病诊断、治疗和推断中发挥关键作用。尽管已经开发了包括传统的机器学习和深度学习等多种方法以预测circRNA与疾病之间的关联,但circRNA的生物学功能尚未得到充分开发。一些方法基于不同的观点探索了与疾病相关的circRNA,但如何有效地使用circRNA的多视图数据仍然没有得到很好的研究。因此,该项研究提出了一种基于协同学习和circRNA多视图功能注释的计算模型来预测潜在的circRNA疾病关联。首先,作者提取circRNA多视图功能注释并分别构建circRNA关联网络,以实现有效的网络融合。然后,设计了多视图信息的协同深度学习框架,以获取circRNA多源信息特征,充分利用circRNA多视图信息之间的内在关系。作者还构建了一个由circRNA和疾病组成的网络,并提取circRNA与疾病的一致性描述信息。最后,作者基于图形自动编码器预测了circRNA与疾病之间的潜在关联。

与现有模型相比,该计算模型在预测候选疾病相关circRNA方面具有更好的性能。此外,这表明了该方法的高度实用性,作者使用几种常见疾病作为案例研究,以发现与它们相关的一些未知的circRNA。实验表明,CLCDA可以有效地预测疾病相关的circRNA,并有助于人类疾病的诊断和治疗。

不同预测模型的性能

参考文献列表

转载请联系邮箱授权:circRNA@163.com

发表评论