《Computational Biology and Chemistry》：Computational Approaches in Exploring the Role of microRNAs in Human Cytomegalovirus infection
编辑推荐：
计算工具加速了研究人员对HCMV编码和宿主微小RNA（microRNA）的识别。在HCMV感染中，微小RNA-靶点相互作用和调控网络被研究。机器学习（ML）增强了微小RNA生物标志物和治疗靶点的预测。整合多组学（multi-omics）方法提高了对HCMV发病
计算工具加速了研究人员对HCMV编码和宿主微小RNA（microRNA）的识别。在HCMV感染中，微小RNA-靶点相互作用和调控网络被研究。机器学习（ML）增强了微小RNA生物标志物和治疗靶点的预测。整合多组学（multi-omics）方法提高了对HCMV发病机制的理解。计算分析支持精准诊断和基于微小RNA的治疗策略。
1. Introduction
人巨细胞病毒（HCMV）是一种疱疹病毒，在健康个体中常无症状，但在免疫功能低下患者中可导致严重并发症，并具有潜伏和再激活能力。微小RNA（microRNA）作为转录后调控因子，在病毒持久性、免疫调节和发病机制中起关键作用。计算网络方法通过整合miRNA、基因和疾病相互作用数据，加速了疾病相关miRNA的鉴定，为生物标志物开发和机制研究提供了支持。
2. microRNA in HCMV
HCMV编码约26种成熟微小RNA（miRNA），这些miRNA参与宿主和病毒基因表达的调控。
2.1. HCMV microRNA Biogenesis
HCMV miRNA的生成始于RNA聚合酶（Pol）II或III转录产生初级miRNA（pri-miRNA），随后由DGCR8和RNase III Drosha切割形成前体miRNA（pre-miRNA）。pre-miRNA通过Exportin-5转运至细胞质，经RNase III酶Dicer切割为miRNA/miRNA*双链，其中一条链整合到RNA诱导沉默复合体（RISC）中，导致mRNA降解或翻译抑制。
2.2. Canonical miRNA Biogenesis Pathway
经典miRNA生成途径中，miRNA基因由RNA聚合酶II转录为pri-miRNA，经Drosha/DGCR8复合体加工为pre-miRNA，再通过Exportin-5/RAN-GTP转运至细胞质，最后由Dicer-TRBP复合体切割为miRNA双链，引导链整合入RISC形成成熟miRNA，执行翻译抑制或mRNA降解功能。
2.3. Role of microRNAs in Human Cytomegalovirus infections
HCMV利用自身或宿主miRNA调控基因表达。例如，HCMV编码的miR-UL112-1靶向病毒立即早期基因IE72，限制裂解基因表达并促进潜伏。此外，miR-US5-1和miR-UL112-3p靶向IκB激酶复合物，抑制IL-1β和TNF-α诱导的促炎细胞因子产生。miR-US5-2-3p在肾移植受者唾液中常见，与HCMV IE-1特异性T细胞反应增强相关，提示可能参与病毒再激活。宿主miRNA如miR-100和miR-101在抗病毒通路中失调，促进病毒增殖。miR-21被建议作为肾移植纤维化的潜在血液生物标志物。
3. Advanced Detection Methods for HCMV-Related MicroRNAs
HCMV相关miRNA的准确检测和定量对于监测潜伏、开发诊断生物标志物和评估治疗反应至关重要。多种先进技术被开发以提高灵敏度、特异性和分析性能。
3.1. Reverse Transcription Quantitative PCR (RT-qPCR) for detection of HCMV-associated miRNAs
RT-qPCR仍是HCMV相关miRNA定量的金标准，具有高灵敏度、特异性和可重复性。茎环RT-qPCR使用序列特异性茎环引物结合成熟miRNA，实现高特异性；而多聚腺苷酸化RT-qPCR通过添加poly(A)尾，允许通用引物反转录，简化了多重miRNA分析。
3.2. Droplet Digital PCR (ddPCR) for detection of HCMV-associated miRNAs
ddPCR通过将反应混合物分割成数千个纳升液滴，实现绝对定量，提供比传统RT-qPCR更高的灵敏度、准确性和可重复性，特别适用于检测低丰度HCMV miRNA，如潜伏感染或早期再激活时的样本。
3.3. Small RNA Next-Generation Sequencing (Small RNA-seq)
小RNA测序（small RNA-seq）可无偏倚地全面分析生物样本中所有小RNA，同时鉴定已知和新型病毒及宿主miRNA，评估差异表达谱，揭示病毒-宿主相互作用、免疫逃逸和发病机制。但成本高、周转时间长，且需要生物信息学专业知识。
3.4. CRISPR-Cas-Based Biosensors
基于CRISPR-Cas（如Cas12和Cas13）的生物传感器通过识别靶标核酸激活核酸酶活性，切割报告分子产生检测信号。Cas12检测DNA靶标，Cas13直接识别RNA，具有快速、高灵敏度、高特异性和便携性，适用于即时检测。但需进一步优化和临床验证。
3.5. Isothermal Amplification Technologies
等温扩增技术（如LAMP、RPA、NASBA）在恒定温度下进行核酸扩增，无需热循环，适合资源有限环境。NASBA特别适用于RNA靶标，LAMP和RPA可通过反转录或探针设计用于miRNA检测。这些技术快速、灵敏，常与CRISPR-Cas结合以提高特异性，但面临引物设计复杂和非特异性扩增等挑战。
4. Extracellular Forms of HCMV -miRNAs and Their Diagnostic Implications
HCMV编码的miRNA以多种胞外形式存在，包括外泌体/胞外囊泡（EV）相关miRNA和蛋白结合miRNA，影响其稳定性、功能和检测方法。
4.1. Exosome/EV-associated HCMV miRNAs
HCMV感染细胞将病毒miRNA主动包装进外泌体等胞外囊泡中，保护其免受RNase降解，并实现细胞间转移。临床样本中检测到miR-UL112家族等HCMV miRNA，反映病毒复制和免疫调节。检测需通过超速离心、尺寸排阻色谱或免疫亲和捕获富集EV，再经RT-qPCR、ddPCR或small RNA-seq定量。
4.2. Protein-bound HCMV miRNAs
胞外HCMV miRNA可与RNA结合蛋白Argonaute 2（Ago2）或高密度脂蛋白（HDL）结合，避免降解，在体液中稳定存在。检测通常直接从血浆或血清中提取循环RNA，无需EV富集，再使用茎环RT-qPCR、ddPCR或small RNA-seq分析。
5. Computational approaches in miRNA identification and target prediction
计算方法通过整合HCMV基因组序列、miRNA数据库注释、RNA二级结构预测和小RNA测序数据，系统鉴定病毒和宿主miRNA，并预测其靶点，加速了实验验证的优先级排序。
5.1. Standards for Predicting Targets of HCMV-Encoded miRNAs
靶点预测基于多种标准，以识别HCMV编码miRNA调节的复杂网络。
5.1.1. Sequence Complementarity
miRNA种子区域（第2-8位核苷酸）与mRNA靶点3
′非翻译区（3
′UTR）的互补性是关键因素。种子匹配类型包括8mer（第2-8位完美匹配，且在mRNA第1位有A）、7mer-m8（第2-7位完美匹配，无A）、7mer-A1（第2-7位完美匹配，有A）和6mer（第2-7位或第3-8位匹配）。此外，靶点侧翼序列的AU丰富度和RNA二级结构影响靶点可及性，计算工具如PITA和Sfold通过自由能变化（ΔΔG）量化可及性。
5.1.2. Thermodynamic Stability
miRNA-mRNA结合的热力学稳定性通过计算复合体的自由能来评估，自由能越低，结合越稳定。但缺乏统一的阈值，且取决于碱基配对和堆积相互作用。
5.1.3. Evolutionary Conservation
保守性分析有助于减少假阳性，靶点在不同物种中保守提示功能重要性。但约30%的已验证靶点不保守，因此需结合非保守模型进行从头预测。工具如TargetScan和PicTar整合了保守性特征。
5.1.4. Advanced Machine Learning-Based approaches
机器学习（ML）方法通过训练分类器，基于实验验证的正负样本，学习模式判别真实靶点。ML不局限于严格的种子匹配，还能识别非经典靶点，包括编码区内的位点。常用数据库包括miRTarBase、DIANA-TaRBase和miRecords。但负样本的设计和数据集平衡性至关重要。工具如miRAW和miRmap整合了结构、上下文和网络特征，提高了预测准确性。
6. Challenges and Future Directions
HCMV编码miRNA靶点的预测面临挑战，包括非经典靶点识别、多靶点效应和计算工具的局限性（如假阳性/假阴性）。机器学习方法受限于训练数据不平衡。未来需开发更精细的计算模型，考虑动态基因表达和细胞环境。整合多组学（multi-omics）数据（基因组、转录组、miRNA、蛋白质组等）可深入理解HCMV发病机制，但需临床验证以确保分子标志物的诊断和预后可靠性。
7. Conclusion
识别HCMV编码miRNA的靶点是理解宿主-病毒调控网络的关键。计算方法结合序列互补性、热力学稳定性、保守性和机器学习，可预测靶点，但实验验证不可或缺。非经典靶点预测和工具局限性仍需进一步研究。最终，整合计算、实验和临床途径将推动新的治疗靶点和诊断策略的发展。
