《Journal of Molecular Biology》：Transcriptome–wide RNA stability atlas Illuminates post–transcriptional control and therapeutic vulnerabilities across cancers
编辑推荐：
癌症细胞线RNA稳定性与转录调控机制的系统研究揭示miRNA和RNA结合蛋白的关键作用及药物敏感性预测模型
作者：杨彤、王玉婷、刘格瑞、魏一虎、杨晓晓、袁家培、杨洋、张强
单位：天津医科大学总医院老年病科，天津老年病研究所，天津市医学生物表观遗传学省部共建协同创新中心，天津医科大学基础医学院实验血液学国家重点实验室，中国天津
摘要
mRNA的稳态丰度受转录与降解过程相互影响的调控，但RNA稳定性在癌症生物学中的作用尚未完全明了。本研究利用“癌症细胞系百科全书”（Cancer Cell Line Encyclopedia, CCLE）中的RNA-seq数据，系统分析了22种癌症类型的RNA降解动态。通过推断全转录组的RNA稳定性谱型，我们发现了由转录后调控机制定义的不同分子亚型。综合分析表明，RNA结合蛋白（RBP）和微小RNA（miRNA），如SNRPA和RBMX，是RNA稳定性的关键调节因子，对癌细胞的增殖和存活至关重要。研究发现，体细胞突变，尤其是影响miRNA结合位点的突变，会显著干扰RNA降解过程，从而影响诸如无义介导的RNA降解等通路的功能。机器学习模型显示，RNA稳定性谱型能够预测细胞对24种抗癌药物的敏感性，为治疗反应的生物标志物筛选提供了依据。总体而言，我们的研究确立了RNA稳定性在癌症基因调控中的关键地位，对分子分型和精准肿瘤学具有广泛意义。
引言
基因表达的复杂过程发生在转录和转录后两个阶段，成熟mRNA的稳定性取决于转录与降解之间的平衡。这种平衡对于转录后调控以及研究RNA与蛋白质之间的相互作用至关重要。癌症仍然是全球重大的健康问题，每年有数百万新病例被诊断出来，并导致大量死亡。尽管如此，大多数研究仍集中在DNA相关异常上，如突变、拷贝数改变和DNA甲基化变化，而较少系统地分析癌症中的转录后过程。然而，转录后调控通过调节癌症的标志性特征，在维持癌细胞表型中起着关键作用。
在测量mRNA降解速率方面，传统方法通常使用高通量脉冲追踪技术监测标记mRNA的丰度，或在转录抑制后追踪目标mRNA水平的变化。但这些方法通常仅适用于少数转录本，不适用于同时评估大量mRNA的稳定性。最新研究表明，RNA-seq数据中的外显子读数反映了mRNA的稳态丰度，而内含子读数的变化可以用来推断转录活性。基于这一原理，已经开发出几种基于RNA-seq的算法来系统分析癌症中的RNA稳定性。
在本研究中，我们利用CCLE中的RNA-seq数据，全面分析了癌症中的mRNA稳定性。分析结果显示，SNRPA等几种RBP在癌细胞增殖和存活中起着重要作用，这一点通过多种癌症类型的独立功能丧失实验得到验证。我们还研究了突变对mRNA稳定性的影响，发现位于miRNA结合位点的突变会显著改变mRNA稳定性。这些发现与无义介导的RNA降解（NMD）通路的功能一致，该通路是保护细胞免受突变转录本产生的异常蛋白质损害的关键机制。此外，我们通过弹性网络回归分析证明RNA稳定性特征能够有效预测药物敏感性。最后，我们确定PPRC1是这一基于RNA稳定性预测机制的主要调节因子，提示其可能作为临床患者伊立替康治疗反应的潜在生物标志物。综上所述，我们的研究为RNA稳定性与癌症之间的关系提供了全面见解，为癌症生物学研究及精准肿瘤学的发展提供了新的思路。
模型构建：从RNA-seq数据预测mRNA稳定性
我们从“癌症细胞系百科全书”（CCLE）中获取了22种癌症类型的935个癌细胞系的RNA-seq数据。原始测序读段使用HISAT2（参数设置为双端模式）与人类参考基因组（hg19，UCSC基因组浏览器）对齐，并仅报告唯一映射的读段。读段定量使用HISAT2中的htseq-count函数完成，其中外显子水平计数采用“intersection-strict”模式，内含子水平计数也采用相同方法。
不同癌细胞系中的mRNA稳定性特征
利用CCLE中的RNA-seq数据（补充图S3A和补充数据1），评估了22种癌症类型的935个癌细胞系的mRNA稳定性。通过非负矩阵分解（NMF）[20]分析mRNA稳定性谱型及不同聚类数量下的共线性变化，将这935个癌细胞系分为五个不同的簇。
讨论
RNA-seq技术主要捕获外显子序列，但也产生了大量映射到内含子的读段。先前的研究表明，内含子读段可用于研究前mRNA的动态变化。两项近期研究利用RNA-seq数据证明内含子读段与转录速率相关。此外，对秀丽隐杆线虫的研究发现内含子读段在转录开始前15分钟就已出现。
未引用的参考文献
12, 13, 17, 45, 46, 47.
作者贡献声明
杨彤：撰写初稿、数据可视化、方法学设计、实验设计、数据分析、数据整理。
王玉婷：撰写初稿、数据可视化、方法学设计、实验设计、数据分析、数据整理。
刘格瑞：数据可视化、资源获取、方法学设计、实验设计、数据分析、数据整理。
魏一虎：数据可视化、方法学设计、实验设计、数据分析、数据整理。
杨晓晓：结果验证、方法学设计、实验设计、数据分析、数据整理。
资助
本研究得到了中国国家自然科学基金（项目编号92163213资助QZ；项目编号32470721和32100534资助YY；项目编号32200514资助JY；项目编号32200547资助YW）；天津市科技计划项目（项目编号21JCZDJC00940资助QZ；项目编号24JCYBJC00960资助YY）；天津市卫生健康科技项目（项目编号TJWJ2022XK001资助QZ）；以及天津市重点医学学科（专业）建设项目（项目编号TJYXZDXK-006A资助QZ）的支持。
利益冲突声明
作者声明没有利益冲突。
致谢
我们感谢天津医科大学高性能计算平台提供的技术支持。
