基于转录组测序技术研究基因间长链非编码RNA调控网络在肺腺癌中的作用及机制

Recent studies have shown that the dysregulation of long intergenic noncoding RNAs (lincRNAs) is associated with the occurrence of lung adenocarcinoma. However, it is still unclear how the alteration of regulatory network of lincRNAs leads to lung adenocarcinoma. The systematic analysis will be helpful to give the answer. Our preliminary study has revealed enhanced regulatory effects of lincRNAs in lung adenocarcinoma compared to adjacent tissues, by using multiple linear regression models to predict lung adenocarcinoma related lincRNAs and their target protein-coding genes in transcriptome sequencing data of lung adenocarcinoma patients. Based on this, firstly we attempt to construct lincRNA regulatory network according to the conditional mutual information (CMI) and Bayesian network (BN) method, and illuminate the relationship between changes of regulatory network of lincRNAs and their target genes and the development of lung adenocarcinoma. Secondly, we plan to discover key lincRNAs by analyzing the network topology with the experimental validations both in in vivo and in vitro. Finally, we aim to confer lincRNAs as evaluation indexes for early clinical diagnosis of lung adenocarcinoma by constructing logistic regression models as well as explore their possible mechanisms. These results can not only clarify the regulatory roles lincRNAs play in lung adenocarcinoma, but also provide theoretical foundation and potential targets for gene diagnosis and new therapy strategies.

研究表明，基因间长链非编码RNA（lincRNA）失调与肺腺癌的发生密切相关，但lincRNA调控网络异常在肺腺癌中的作用机制尚不清楚，需要系统性研究。我们前期已在肺腺癌病人转录组测序数据中利用多元线性回归模型预测出肺腺癌相关lincRNA及其调控的靶基因，初步证实与癌旁组织相比lincRNA在肺腺癌中的基因调控效应明显增强。本项目拟在此基础上依据条件互作网络算法构建lincRNA调控网络，明晰lincRNA调控网络的结构变化及其影响的靶基因与肺腺癌发生发展的关系；通过分析网络拓扑结构发现调控网络中的关键lincRNA，并进行体内外实验验证；构建肺腺癌病人与正常人的逻辑回归模型，确定肺腺癌临床早期诊断的lincRNA评判指标并探讨其可能的调控机制。所得结果不仅可系统性揭示lincRNA在肺腺癌中的调控作用，还可为肺腺癌的基因诊断和治疗新策略提供理论基础和潜在靶点。

研究表明，基因间长链非编码RNA（lincRNA）失调与肺腺癌的发生密切相关，但lincRNA调控网络异常在肺腺癌中的作用机制尚不清楚，需要系统性研究。本项目在前期研究的基础上基于加权基因共表达网络算法（weighted gene co-expression network analysis, WGCNA）构建基因共表达网络，将共表达网络与表型进行关联，分析网络模块中基因功能聚类和基因位置分布，最终鉴定出网络模块中的核心基因。主要研究结果：1. 从EBI数据库下载肺腺癌病人的转录组测序数据以及病人的详细信息，利用WGCNA构建基因共表达网络。计算基因间的相异性系数以及每个模块的特征向量值，然后对模块进行聚类分析，结果显示所有基因聚成145个类别。2. 计算每个基因模块的特征值与患病状态的相关系数，结果显示模块brown和患病状态存在较强的正相关关系，模块turquoise和患病状态存在较强的负相关关系。3. 将brown模块和turquoise模块中的基因进行GO富集分析，发现前者中的基因主要富集在细胞周期和DNA修复通路中，后者主要在血管生成和发育通路中，KEGG分析也显示出类似的结果。4. 将模块中基因根据类型进行了分类，brown和turquoise模块共包含39个lincRNA和196个转录因子。计算lincRNA共表达的编码基因集合与转录因子/染色质调控复合物的靶基因集合的交集，利用超几何分布计算该交集的富集程度，得到与lincRNA显著相关的转录因子，从而识别可能与lincRNA联合发挥调控作用的转录因子/染色质调控因子。本研究以探索肺腺癌发生发展的分子调控机制为主线，以基因表达调控作为研究切入点，突破传统的单基因研究模式，从全基因组层面揭示以lincRNA为核心的基因调控规律，进而形成以干预lincRNA调控网络的肿瘤治疗新策略。