基因调控共表达网络揭示了潜在的长链非编码RNA（lncRNA）-微小RNA（miRNA）-信使RNA（mRNA）相互作用，这些相互作用在神经退行性疾病中调节转录过程

《Computational Biology and Chemistry》：Gene regulatory co-expression networks decipher potential lncRNA-miRNA-mRNA interactions modulating transcription regulation in neurodegeneration

• •
  整合RNA-seq分析识别与疾病相关的共表达模块。
• •
  枢纽基因定义了候选的lncRNA-miRNA-mRNA调控网络。
• •
  在阿尔茨海默病（AD）、帕金森病（PD）和肌萎缩侧索硬化症（ALS）中发现了共同的RNA调控特征。
• •
  GO分析突出了突触、线粒体和RNA处理途径。
• •
  UTR变异表明枢纽基因的miRNA介导调控发生了改变。

引言

神经退行性疾病的特点是选择性神经元群体的逐渐丧失，伴随着细胞内包涵体的形成、细胞外蛋白质沉积以及形态异常（Armstrong等人，2005年）。神经退行性变的病理级联反应涉及氧化应激和线粒体功能障碍之间的复杂相互作用（Mattson，2000年）。根据其主要的分子异常、解剖分布和临床表现，这些疾病可以分为痴呆症、帕金森综合征和运动神经元疾病（Dugger和Dickson，2017年）。三大主要神经退行性疾病是阿尔茨海默病（AD）、帕金森病（PD）和肌萎缩侧索硬化症（ALS）（Checkoway等人，2011年）。AD是最常见的痴呆类型，主要与β-淀粉样蛋白（Aβ）聚集和tau蛋白过度磷酸化有关。它包括家族性AD（FAD），约占病例的5%，主要与Presenilin 1（PSEN1）、Presenilin 2（PSEN2）和淀粉样前体蛋白（APP）的突变相关。另一方面，散发性AD（SAD）占病例的95%以上，由复杂的遗传、环境和年龄相关因素引起（Cruts等人，1998年；Hellstr?m-Lindahl等人，2009年；Wu等人，2012年）。APOE ε4等位基因是晚发性AD最强的遗传易感因素，但它既不是疾病发生的必要条件也不是充分条件（Blennow等人，2006年；Lippa等人，1996年；Tanzi等人，1996年；William Rebeck等人，1993年）。PD的特征是α-突触核蛋白阳性的路易小体积累以及黑质中多巴胺能神经元的逐渐丧失。SNCA、LRRK2和GBA等基因参与了PD的发病机制（Bloem等人，2021年；Samii等人，2004年）。ALS是一种运动神经元疾病，其特征是上下运动神经元的进行性退化（Rowland，2001年）。它通常影响老年人，与超氧化物歧化酶1（SOD1）、TAR DNA结合蛋白（TARDBP）和9号染色体开放阅读框72（C9orf72）的致病性变异相关，占家族性和散发性病例的很大比例（Ak?imen等人，2023年；Feldman等人，2022年；Parkinson等人，2006年）。

非编码RNA（ncRNAs），特别是microRNA（miRNAs）和长链非编码RNA（lncRNAs），是基因表达和神经退行性疾病机制的重要调节因子（Li等人，2023年；Nithin等人，2017年；Nithin等人，2022年）。miRNAs是21至24个核苷酸（nt）的单链ncRNAs，通过含有Argonaute的RNA诱导沉默复合体（RISC）来调控转录后基因表达（Chowdhury等人，2021年；Venkatesan等人，2025年）。在AD、PD和ALS中，失调的miRNAs与疾病相关的通路有关。例如，miR-7和miR-205分别调控PD中的SNCA和LRRK2（Alshalalfa，2012年；Goel等人，2026年）。miR-15b-5p、miR-21-5p和miR-122-3p在ALS患者的脑脊液中的表达下调（Strafella等人，2018年）。同样，靶向APP的miR-107和miR-29b在AD中也下调（Pichler等人，2017年）。lncRNAs（>200 nt）通过信号传导、引导、诱骗和支架功能在多种细胞过程中调控转录（Venkatesan等人，2026年；Wang和Chang，2011年）。它们包括来自基因间区域的长链ncRNAs（lincRNAs），以及来自蛋白质编码基因内含子或重叠外显子区域的其他lncRNAs（Ma等人，2013年）。一些lncRNAs作为竞争性内源RNA（ceRNAs），通过结合miRNA的miRNA响应元件（MREs）来调控目标mRNAs（Ghafouri-Fard等人，2022年；Goel等人，2026年；Mukherjee等人，2025年；Pang等人，2024年；Thangavelu等人，2024年）。这些观察结果突显了ncRNA介导的转录后调控在神经退行性疾病中的作用。

通过微阵列和RNA-Seq数据的差分表达分析可以识别特定疾病条件下的基因表达变化，而共表达模式可用于推断基因之间的关系。这些关系可以通过皮尔逊（Pearson）、斯皮尔曼（Spearman）、双权重中相关性（biweight mid-correlation）、肯德尔（Kendall）和距离相关性（de Siqueira Santos等人，2014年）等相关性度量来评估。整合统计和机器学习方法可以构建基因调控网络，使用加权基因共表达网络分析（WGCNA）、ARACNE和GENIE3等方法（Huynh-Thu和Geurts，2018年；Langfelder和Horvath，2008年；Margolin等人，2006年）。WGCNA根据基因的表达相关性将它们分组到共表达模块中，有助于识别功能相关的基因网络。最近的计算研究越来越多地应用分子特征、非编码RNA分析、计算建模、机器学习和基于网络的方法来研究复杂的疾病机制并识别疾病相关的分子关系（Duan等人，2024年；Gong等人，2025年；Hu等人，2025年；Liu等人，2024年；Xing等人，2024年）。基于网络和机器学习的方法被开发用于预测miRNA与疾病之间的关联，并优先考虑疾病相关的分子关系，展示了整合计算策略在研究转录后调控方面的潜力（Kang等人，2024年；Li等人，2022b年；Xiang等人，2021年；Zhou等人，2020年；Zhou等人，2024年）。其他研究将转录组分析与分子网络分析、调控RNA网络、表观遗传信息和功能验证相结合。这些研究识别了跨不同生物系统的疾病相关分子调节因子和机制关系（Chen等人，2019年；Han等人，2025年；Wang等人，2026b年；Xu等人，2025年；Yan等人，2026年）。还有几项研究将转录组分析与网络分析、调控RNA网络、表观遗传信息和功能验证相结合，以识别疾病相关的分子调节因子，展示了整合计算和多组学策略的重要性（Chen等人，2025年；Chen等人，2026a年；Chen等人，2026b年；Wang等人，2026a年；Zhang等人，2024年）。在神经退行性疾病中，lncRNA-miRNA-mRNA调控网络用于识别多种疾病中的候选生物标志物和富集通路，同时也使用选定的组织或生物流体的转录组数据研究了特定疾病的ceRNA网络（Li等人，2022a年；Peighan等人，2024年）。WGCNA进一步与miRNA-lncRNA-mRNA分析相结合，用于识别AD和PD中的疾病相关调控模块（Song等人，2023年）。然而，这些研究通常仅检查个别疾病、选定的组织或特定的调控层，对转录组失调、共表达结构、蛋白质相互作用网络、转录后RNA调控和序列级变异的整合有限。这一局限性突显了需要一个综合方法来检查多种神经退行性疾病中的共有和特定疾病的调控特征。它将表达和共表达模式与候选的lncRNA-miRNA-mRNA相互作用及潜在的UTR序列改变联系起来。

为了弥合这一差距，本研究建立了一个跨越AD、PD和ALS的比较系统级框架，纳入了与疾病相关的神经元群体和脑组织。我们整合了差分表达、共表达网络分析、蛋白质-蛋白质相互作用分析、枢纽基因优先级鉴定、lncRNA-miRNA-mRNA相互作用映射、功能富集和UTR变异分析。这一综合工作流程识别了8个组织特异性分析中的163个枢纽基因、4,869个候选的lncRNA-miRNA-mRNA相互作用和414个UTR变异。我们的发现使得能够系统地描述疾病特异性和共享的调控特征。该框架提供了对AD、PD和ALS背后的分子调控机制的更广泛视角。

章节片段

RNA-Seq数据检索和差分基因表达分析

分析了三个独立的Gene Expression Omnibus（GEO）（Edgar，2002）数据集中的AD（GSE213610）（Scopa等人，2023年）、PD（GSE181029）（Novosadova等人，2022年）和ALS（GSE124439）（Brown等人，2022年；Ma等人，2022年；Tam等人，2019年）的RNA-Seq数据。AD数据集包含了FAD、SAD和非AD个体的32个样本。样本取自海马体的CA3神经元和海马神经前体细胞（hpNPCs）。每种亚型有八个样本，另有四个对照组

结果

本研究采用了整合框架，包括共表达网络分析、蛋白质-蛋白质相互作用分析、枢纽基因优先级鉴定、lncRNA-miRNA-mRNA相互作用映射、功能富集和UTR变异分析。整个工作流程的示意图见图1。

讨论

本研究整合了差分表达分析、WGCNA和lncRNA-miRNA-mRNA相互作用网络，以研究AD、PD和ALS中的转录组失调。尽管这些疾病表现出不同的临床和病理表现，但我们的分析揭示了它们在突触信号传导、RNA代谢、线粒体功能和细胞应激反应等生物学过程上的共同点。

结论

我们提出了一个跨AD、PD和ALS的转录组和转录后调控机制的整合系统级分析。通过结合差分表达分析、WGCNA、蛋白质-蛋白质相互作用分析、枢纽基因鉴定、lncRNA-miRNA-mRNA相互作用映射、功能富集和UTR变异分析，我们识别了三种数据集中的组织特异性调控相互作用。总计识别出163个枢纽基因和4,869个候选

伦理批准

不适用

资金

本研究得到了印度政府生物技术部（授权号BT/PR40182/BTIS/137/88/2025）的支持

CRediT作者贡献声明

Ranjit Prasad Bahadur：撰写——审稿与编辑、监督、项目管理、资金获取、概念化。Jolly Basak：撰写——审稿与编辑、概念化。Prashasti Sinha：撰写——审稿与编辑、验证、方法论。Amrit Venkatesan：撰写——初稿、验证、方法论、数据管理、概念化。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。

致谢

AV和PS感谢IIT Kharagpur提供的奖学金和基础设施支持。JB感谢Viswa-Bharati的支持，RPB感谢IIT Kharagpur提供的基础设施支持。JB和RPB都感谢印度科技部（DBT）的国家网络项目（授权号BT/PR40182/BTIS/137/88/2025）。

利益冲突

作者没有需要披露的相关财务或非财务利益。

Amrit Venkatesan|Prashasti Sinha|Jolly Basak|Ranjit Prasad Bahadur