博文

miTEA-HiRes：从转录组学数据中推断单细胞和空间miRNA活性

已有 564 次阅读 2024-5-1 08:50 |个人分类:科普|系统分类:科普集锦

miTEA-HiRes：从转录组学数据中推断单细胞和空间miRNA活性

MicroRNAs (miRNAs)是一种小RNA（sRNA），其作用方式是转录后抑制靶基因，诱导信使RNA (mRNA)降解或抑制翻译。许多研究表明，过表达miRNA会降低其靶点的表达水平和蛋白水平，而敲低miRNA则会提高其靶点的表达水平。miRNA在许多发育和疾病过程中发挥重要作用，使其成为癌症、心血管疾病、神经退行性疾病、糖尿病、急性缺血性疾病、炎症性疾病、抑郁症等的潜在治疗靶点。

在过去的二十年中，单细胞RNA测序取得了重大进展，产生了不同细胞类型和跨系统的数据和见解。这一进展促进了对发育和疾病过程中细胞多样性的深入研究，几乎完全依赖于mRNA和长链非编码RNA (lncRNAs)。然而，在单个细胞中检测miRNA要落后一步。早期的尝试依赖于PCR，纳米马达，原子力显微镜，等温扩增方法或FISH，所有这些方法都受到测量miRNA数量的限制。小RNA单细胞测序最早由Faridani等人尝试。随后，出现了其他同时测序sRNA和mRNA的方法。然而，这些在细胞中是非常有限的。在非聚腺苷化的RNA链上添加polyA的概念，这是Turchinovich等人首先提出的用于小(< 150bp) DNA测序的概念后来成熟为现在被称为“全RNA单细胞测序”的方法。该方法通过在片段之前或之后向非聚腺苷化的 RNA添加polyA尾部来检测所有长度的RNA链。

在过去的十年中，高通量空间转录组学方法得到了发展。通过空间解析基因表达，我们现在不仅可以识别组织中的生物过程，还可以将这些过程精确定位到组织的确切位置。传统上，这些方法完全集中在mRNA和lncRNA上。然而，最近引入了空间总RNA测序(STRS)方法。STRS将相同的聚腺苷化概念(前面提到的单细胞)应用于组织切片，从而得到所有长度基因的基因表达空间图。

在单细胞和空间上测量miRNA表达的努力是重要的，可能很快就会成熟并得到广泛应用。然而，它们并不能立即解决miRNA在自然环境中表达与活性的开放性问题。miRNA表达与其活性水平(即靶标抑制程度)之间的关系已被广泛研究。Mukherji等人发现miRNA的调控是非线性的：miRNA既可以作为目标表达的开关，也可以作为微调器。Enerly等人报道了一组乳腺癌患者的miRNA和mRNA谱。该分析确定了miR-29在调节细胞外基质中的作用。Wang等人发现，在少数例子中，活性取决于miRNA及其靶点的表达水平，即:总体表达的miRNA与其总体表达的靶点呈负相关。我们还知道，miRNA与其靶标之间的关系可能比简单的负调控更为复杂，包括反馈回路、前馈回路和miRNA“海绵作用”。最近出现的总RNA单细胞和空间方法使我们能够以更高的分辨率探索miRNA与靶标的关系。

已经提出了几种方法来促进miRNA活性的研究。例如miTEA，这是一种通过检查两个排序列表(表达基因列表和任何给定(枢轴)miRNA的目标列表)中的相互统计富集来预测miRNA活性的方法。MIENTURNET、DIANA-mirExTra 2.0和enrichMiR基于超几何检验对一组基因进行了miRNA靶富集分析。DIANA-mirExTra 2.0和enrichMiR也接受差异表达分析结果作为输入，enrichMiR还提供了其他统计方法。然而，所有这些方法和工具都侧重于双条件实验的活性预测，而不支持更复杂的单细胞结构或空间RNA测序实验。Nielsen 和 Pedersen开发了miReact，这是一种基于motif富集来评估单细胞RNA-seq数据集中miRNA活性的方法。他们为这种情况描述了可靠的统计数据，并提供了一个友好的软件包。然而，他们的方法没有利用数据库(实验验证)信息，也没有处理空间转录组学数据。此外，它没有使用从数据子集获得的活性评分来发现细胞类型或条件之间miRNA活性的显着差异。

在这项工作中，Herbst等人提出了miTEA-HiRes（图1，https://github.com/EfiHerbst31/miTEA-HiRes）:一种基于其靶细胞RNA-seq和空间转录组学表达模式来解释-miRNAs活性的统计方法。该方法通过过滤miRTarBase数据库来创建目标列表。然后使用多样本设置对基因表达值进行归一化，最后应用最小超几何(mHG)测试来计算每个样本中的活性水平。使用这种方法有两个主要目的。首先，作者们首次创建了scRNA-seq和空间数据集的miRNA活性图谱，从而能够探索不同细胞类型或样本地理位置上的miRNA异质性(可变性)。其次，在不同情况下，例如疾病与正常情况下，发现细胞之间激活的miRNA差异。此外，还从总RNA单细胞测序数据中发现了miRNA表达与活性之间的关系。

图1 miTEA-HiRes管道。上排:规范化和标准化。中间行:计算活性p值(空间数据显示)。同样的过程也适用于单个单细胞数据)。最下面一行:计算聚合活动分数(所有数据类型);为空间数据生成空间活动图，或为单个单细胞数据生成UMAP布局上的活动图;比较活性模式下不同细胞群体单细胞数据的活性p值的统计比较

参考文献

[1] Efrat Herbst, Yael Mandel-Gutfreund, Zohar Yakhini, Hadas Biran. Inferring single-cell and spatial microRNA activity from transcriptomics data. Research Square, 2024, https://doi.org/10.21203/rs.3.rs-3999737/v1

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC