孔 薇, 張 昕, 牟曉陽

(1. 上海海事大學(xué)信息工程學(xué)院， 上海 201306; 2. 美國羅文大學(xué)生物化學(xué)系， 新澤西 08028)

阿爾茨海默癥miRNA靶基因預(yù)測研究

孔 薇1, 張 昕1, 牟曉陽2

(1. 上海海事大學(xué)信息工程學(xué)院， 上海 201306; 2. 美國羅文大學(xué)生物化學(xué)系， 新澤西 08028)

為深入了解阿爾茨海默癥的發(fā)病機(jī)制， 利用匹配的基因表達(dá)數(shù)據(jù)和miRNA表達(dá)數(shù)據(jù)， 對(duì)miRNA的靶基因進(jìn)行預(yù)測分析. 首先對(duì)選擇出的差異表達(dá)miRNA進(jìn)行靶基因預(yù)測； 然后利用HCTarget算法驗(yàn)證預(yù)測的靶基因； 最后對(duì)miRNA及其靶基因構(gòu)建調(diào)控網(wǎng)絡(luò). 調(diào)控網(wǎng)絡(luò)中包含11個(gè)已確定的與AD有關(guān)的miRNA及6個(gè)AD致病基因. 通過分析網(wǎng)絡(luò)發(fā)現(xiàn)miRNA及其靶基因在正常與患病兩種情況下的活性變化趨勢， 生物學(xué)分析也證實(shí)了它們在AD中的重要作用， 為AD發(fā)病機(jī)制研究提供了依據(jù).

微小RNA； 阿爾茨海默癥； 靶基因； 預(yù)測； HCTarget算法

0 引言

阿爾茨海默癥(Alzheimer’s disease, AD)是一種典型的中樞神經(jīng)退行性疾病， 以進(jìn)行性癡呆為主要臨床表現(xiàn). AD的特征性病理改變?yōu)榇竽X皮層及腦區(qū)的纖維蛋白沉積， 即細(xì)胞外間隙的β淀粉樣蛋白(β-amyloid,β-A)和細(xì)胞內(nèi)多聚Tau蛋白的沉積， 病理形態(tài)學(xué)上分別表現(xiàn)為老年斑(SP)和神經(jīng)纖維纏結(jié)(NFT)[1-2]. 近年來對(duì)AD的生物信息學(xué)研究主要集中在基因表達(dá)數(shù)據(jù)的處理、 基因調(diào)控網(wǎng)絡(luò)的構(gòu)建等方面. 隨著miRNA研究的深入， 其在AD發(fā)生發(fā)展中的作用也漸漸為人們重視. miRNA對(duì)AD發(fā)生發(fā)展的影響涉及到對(duì)APP、 BACE1、 神經(jīng)元的凋亡等多環(huán)節(jié)的調(diào)控作用[3-5]. 融合基因表達(dá)數(shù)據(jù)和匹配的miRNA數(shù)據(jù)， 進(jìn)行miRNA靶基因預(yù)測并構(gòu)建miRNA—基因調(diào)控網(wǎng)絡(luò).

miRNAs(micro RNAs)是一類能在轉(zhuǎn)錄水平或轉(zhuǎn)錄后水平調(diào)控基因表達(dá)的長度為19～27個(gè)核苷酸的內(nèi)源性非編碼的小分子RNA， 廣泛分布于中樞神經(jīng)系統(tǒng)中， 對(duì)神經(jīng)發(fā)育、 分化和成熟起著重要作用[6]. 目前， 對(duì)miRNAs的研究主要集中在其mRNA靶基因的識(shí)別上， 研究人員從實(shí)驗(yàn)和計(jì)算機(jī)方法兩方面對(duì)miRNAs和mRNAs靶基因進(jìn)行識(shí)別. 計(jì)算機(jī)方法成為miRNAs和mRNAs靶基因識(shí)別的主要方法. 近年來， 已經(jīng)有GenMiR++， Talasso等用表達(dá)數(shù)據(jù)來預(yù)測miRNA-mRNA相互作用關(guān)系的算法. 它們結(jié)合序列基本信息和表達(dá)數(shù)據(jù)來獲得更可靠的miRNA靶基因. 使用由蘇乃芳等人在GenMir++基礎(chǔ)上提出的HCtarget算法預(yù)測靶基因， 并使用了馬爾科夫鏈(MCMC)對(duì)GenMir++進(jìn)行了改進(jìn)， 其具備更好的穩(wěn)健性和準(zhǔn)確性[7].

現(xiàn)有的miRNA研究大部分是基于單個(gè)miRNA在疾病中的功能及受其調(diào)控的基因的研究， 對(duì)于多個(gè)與疾病相關(guān)的miRNA綜合研究及其靶基因預(yù)測方面的研究相對(duì)較少[8-10]. 使用miRNA與靶基因匹配數(shù)據(jù)， 對(duì)與AD相關(guān)的miRNAs進(jìn)行靶基因預(yù)測、 驗(yàn)證及調(diào)控網(wǎng)絡(luò)的構(gòu)建. 首先使用TargetScan、 Pictar、 miRanda等在線分析工具對(duì)篩選出的miRNA進(jìn)行靶基因預(yù)測， 取三者的交集， 提高預(yù)測靶基因的準(zhǔn)確性； 其次用HCtarget算法， 利用基因表達(dá)數(shù)據(jù)和miRNA表達(dá)數(shù)據(jù)， 結(jié)合miRNA—靶基因調(diào)控關(guān)系， 對(duì)預(yù)測的靶基因進(jìn)行驗(yàn)證， 找出相互關(guān)系概率高的miRNA—靶基因?qū)Γ?最后對(duì)篩選出的miRNA—靶基因?qū)L制調(diào)控網(wǎng)絡(luò).

1 算法

1.1 miRNA靶基因預(yù)測算法

近年來， 研究者提出了很多miRNA的靶基因預(yù)測方法, 其中比較公認(rèn)的是TargetScan[11]、 Pictar[12]和miRanda[13]三種方法. TargetScan(http://www.targetscan. org/index.html)算法是基于mRNA的3’非編碼區(qū)搜尋與miRNA的5’端第2～8位核苷酸完全互補(bǔ)的種子序列， 并綜合考慮RNAFold軟件計(jì)算得到的結(jié)合位點(diǎn)的熱力學(xué)穩(wěn)定性值， 最后選取評(píng)分最高的mRNA序列. miRanda(http://www.miRNA.org/miRNA)算法原理依據(jù)主要是通過得分矩陣計(jì)算出互補(bǔ)程度大小， 尋找互補(bǔ)性最高的3’UTRs， 強(qiáng)調(diào)miRNA 與靶基因結(jié)合位點(diǎn)的保守性， 同時(shí)以miRNA 序5’端搜索靶基因. miRanda 利用Vien2naRNA計(jì)算miRNA 靶標(biāo)復(fù)合體熱力學(xué)穩(wěn)定性， 并淘汰不能形成雙連體的假陽性靶標(biāo). Pictar(http://pictar.mdc-berlin.de/)認(rèn)為基因3’UTR序列是由miRNA綁定點(diǎn)及背景序列組成. PicTar利用Baum-welch算法來計(jì)算3’UTR序列是由此隱馬爾科夫模型產(chǎn)生的最大似然概率. 但是以上算法由于對(duì)完全種子匹配的要求過于嚴(yán)格， 訓(xùn)練數(shù)據(jù)集不夠等導(dǎo)致了較高的假陽性率， 因此使用HCtarget算法結(jié)合序列信息和表達(dá)數(shù)據(jù)預(yù)測miRNA靶基因.

1.2 HCTarget算法原理

HCtarget用一個(gè)線性模型來描述miRNA和mRNA的關(guān)系， 并使用馬爾科夫鏈-蒙特卡羅(Markov Chain Monto Carlo， MCMC)算法計(jì)算靶標(biāo)的概率.

1.2.1 模型

假設(shè)miRNA-mRNA對(duì)中， miRNA個(gè)數(shù)為M， 基因個(gè)數(shù)為N， 樣本數(shù)為T. 輸入矩陣Z代表M個(gè)miRNA在T個(gè)樣本中的表達(dá)值； 輸入C矩陣代表基因與miRNA的調(diào)控關(guān)系， 受miRNA調(diào)控則對(duì)應(yīng)寫1(Cij=1)， 否則寫0(Cij=0)[14]； 輸出yit代表N個(gè)基因在T個(gè)樣本中的表達(dá)值， 組成表達(dá)值矩陣Y. 這里i=1， …，N；j=1, …，M.

mRNA及miRNA表達(dá)譜間的關(guān)系用公式表示如下：

這里的yit和zjt分別表示mRNA及miRNA在T個(gè)樣本中表達(dá)值.βjt代表miRNA在T個(gè)樣本中調(diào)控強(qiáng)度，βot是樣本t的背景影響.

使用R這個(gè)潛在的二進(jìn)制數(shù)來表示miRNA與受其調(diào)控的靶基因之間的關(guān)系. 此算法模型的目標(biāo)就是求出R. 在矩陣C中， 假設(shè)R服從伯努利分布(二項(xiàng)分布)， 也就是說， 在Cij=1和rij=0(Cij=0)的情況下，rij～bernoulli(π)， 假設(shè)R：

這里的π可以作為預(yù)測序列的準(zhǔn)確性. 此假設(shè)可以減少先前預(yù)測的假陽性率.

1.2.2 統(tǒng)計(jì)推斷算法MCMC

基于上面的模型， 假設(shè)觀察數(shù)據(jù)概率分布為：

為了估計(jì)參數(shù)θ= (β,σ2,π)及潛在變量R， 應(yīng)用貝葉斯方法和MCMC算法. 結(jié)合適合的先驗(yàn)假設(shè)，R和θ可通過如下迭代使用MCMC算法直接計(jì)算得出：

1) 基于更新的潛在變量取參數(shù)θ；

2) 基于更新的參數(shù)取變量R.

校正參數(shù)：

這里v=N-M-1， 且

對(duì)于π， 結(jié)合先驗(yàn)的π～Beta(a0,b0)，π的后驗(yàn)分布為:

校正潛在變量：

HCTarget算法：

基于上述討論， 使用一個(gè)傳統(tǒng)的MCMC方法來反復(fù)評(píng)估參數(shù)和變量：

③ 由校正的參數(shù)來取樣潛在變量rij；

④ 重復(fù)上面兩個(gè)步驟直至收斂.

輸出的pij， 作為預(yù)測的miRNA調(diào)控mRNA的后驗(yàn)概率.miRNA-mRNA對(duì)的p值大于某一閾值時(shí)， 此miRNA-mRNA對(duì)就認(rèn)為是推斷正確的miRNA-mRNA對(duì).

2 實(shí)驗(yàn)與結(jié)果

2.1 數(shù)據(jù)來源

所使用的阿爾茨海默癥mRNA表達(dá)數(shù)據(jù)及miRNA表達(dá)數(shù)據(jù)來自美國國立生物技術(shù)信息中心(NationalCenterforBiotechnologyInformation，NCBI)網(wǎng)站的基因表達(dá)綜合數(shù)據(jù)庫(geneexpressionomnibus，GEO)中的數(shù)據(jù)集GSE16759. 基于AffymetrixHumanGenomeU133Plus2.0Array平臺(tái)的數(shù)據(jù). 此數(shù)據(jù)來自AD患者及年齡相仿的正常實(shí)驗(yàn)者大腦皮層的匹配的miRNA和mRNA表達(dá)數(shù)據(jù). 包括16組AD樣本， 其中8個(gè)樣本為mRNA表達(dá)數(shù)據(jù)， 共54 675個(gè)基因， 8個(gè)樣本為miRNA表達(dá)數(shù)據(jù)， 共940個(gè)miRNA值. 兩類樣本都是按照4組正常對(duì)照樣本和4組患病樣本分類. 阿爾茨海默癥的miRNA來自人類小RNA疾病數(shù)據(jù)庫. 該數(shù)據(jù)庫提供實(shí)驗(yàn)驗(yàn)證的與人類疾病相關(guān)的miRNA， 及其與對(duì)應(yīng)疾病的關(guān)系.

2.2 實(shí)驗(yàn)數(shù)據(jù)處理

為了去除基因表達(dá)數(shù)據(jù)中大量的冗余數(shù)據(jù)和噪聲， 首先用T統(tǒng)計(jì)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理. 將4個(gè)正常樣本與4個(gè)患病樣本的基因表達(dá)數(shù)據(jù)和miRNA數(shù)據(jù)進(jìn)行T統(tǒng)計(jì)分析， 最終選取t>1.0(p<0.048)的7 447個(gè)基因作為差異表達(dá)基因. 選取t>2.455(p<0.05)的169個(gè)miRNA作為差異表達(dá)miRNA. 將此169個(gè)差異表達(dá)的miRNA與HMDD中與AD相關(guān)的miRNA進(jìn)行匹配， 得到11個(gè)miRNA， 這11個(gè)miRNA及其與AD的關(guān)系如表1所示， 表中Description為對(duì)應(yīng)miRNA在HMDD中得到的與AD關(guān)系的描述. 這些描述來自實(shí)驗(yàn)方法、 遺傳學(xué)實(shí)驗(yàn)、 表觀遺傳學(xué)實(shí)驗(yàn)及miRNA靶標(biāo)交互實(shí)驗(yàn).

表1 11個(gè)miRNA及其與AD的關(guān)系

2.3 miRNA靶基因預(yù)測

首先， 將上述選取的11個(gè)miRNA通過軟件TargetScan、 Pictar和miRanda預(yù)測它們的靶基因. 將每個(gè)miRNA預(yù)測的靶基因與上述選取的差異表達(dá)基因進(jìn)行匹配， 得到對(duì)應(yīng)的基因表達(dá)數(shù)據(jù). 最終得到11個(gè)miRNA共調(diào)控806個(gè)靶基因， 每個(gè)miRNA調(diào)控的靶基因數(shù)目如表2所示.

表2 11個(gè)miRNA及其調(diào)控的靶基因數(shù)目

2.4 miRNA調(diào)控網(wǎng)絡(luò)構(gòu)建及結(jié)果

上述得到的miRNA及其靶基因?qū)χ校?有單個(gè)miRNA調(diào)控多個(gè)靶基因， 也有同一靶基因受多個(gè)miRNA調(diào)控的情況. 為了提高預(yù)測的準(zhǔn)確性， 利用HCTarget算法檢驗(yàn)得到的1 374個(gè)成對(duì)的miRNA-mRNA， 經(jīng)過取不同閾值進(jìn)行試驗(yàn)， 在提高預(yù)測靶基因的準(zhǔn)確性及結(jié)果可靠性的前提下， 設(shè)定閾值為0.8， 最后得到504對(duì)miRNA-mRNA， 其中mRNA共292個(gè). 為了更直觀地觀測， 用Cytoscape軟件繪制出它們之間的調(diào)控網(wǎng)絡(luò)圖， 如圖1所示. 其中靶基因的表達(dá)值由源數(shù)據(jù)中基因在各樣本中的表達(dá)值取均值所得， miRNA表達(dá)活性由源數(shù)據(jù)中miRNA在各樣本中表達(dá)活性取均值所得. 圖中圓中心的11個(gè)菱形節(jié)點(diǎn)代表miRNA， 外層兩圈圓形節(jié)點(diǎn)代表靶基因； 節(jié)點(diǎn)為紅色代表表達(dá)水平上升， 綠色代表表達(dá)水平下降， 顏色越深表示表達(dá)水平越高.

圖1 11個(gè)miRNA及其靶基因在正常、 患病樣本下調(diào)控圖

2.5 調(diào)控網(wǎng)絡(luò)分析

從調(diào)控圖可以直觀地看出， miR-20a、 miR-29a、 miR-195、 miR-21、 miR-107和miR-137在正常樣本和患病樣本中表達(dá)活性都較高. 與正常樣本相比較， 除了miR-107以外的10個(gè)miRNA在患病樣本中的表達(dá)活性都上升. miR-107在早期AD發(fā)病進(jìn)展中在顳葉皮層灰質(zhì)區(qū)表達(dá)活性降低， 鄰近大腦組織中神經(jīng)元血小板的計(jì)數(shù)和神經(jīng)元纖維纏結(jié)數(shù)的增加與miR-107的表達(dá)水平降低有關(guān)[15]. 計(jì)算分析表明， 3’UTR區(qū)域的mRNA-BACE1受miR-107調(diào)控. BACE1是一種叫做淀粉樣蛋白前β位分解酶1的酶， 其促進(jìn)β-淀粉樣蛋白生成和調(diào)控另一個(gè)細(xì)胞過程導(dǎo)致記憶喪失而引起AD的發(fā)病. miR-29a調(diào)控的靶基因NAV3在AD患者大腦中表達(dá)上升， 免疫組織化學(xué)研究表明， NAV3的表達(dá)在AD患者大腦皮層退化錐體神經(jīng)元中明顯增強(qiáng). miR-29a就是通過增強(qiáng)AD大腦中的神經(jīng)元NAV3的表達(dá)來影響神經(jīng)退行性過程的[16]. miR-146a調(diào)節(jié)免疫反應(yīng)并影響AD的發(fā)病. miR-146a參與重要的細(xì)胞功能， 其調(diào)控的靶基因bcl2控制線粒體功能和細(xì)胞老化, 與AD的發(fā)生發(fā)展有重要關(guān)系[17].

為了進(jìn)一步分析圖1中miRNA及其靶基因與AD的關(guān)系， 使用在線分析網(wǎng)站DAVID (http://david.abcc.ncifcrf.gov/home.jsp)對(duì)預(yù)測的靶基因進(jìn)行KEGG通路、 生物過程、 分子功能分析. 表3為預(yù)測靶基因的KEGG通路分析結(jié)果.

由表3可以看出， 預(yù)測的靶基因中大量基因參與了癌癥相關(guān)的信號(hào)通路， MAPK信號(hào)通路， TGF-β信號(hào)通路， jak-STAT信號(hào)通路， 這些都是與AD相關(guān)的通路. 在阿爾茨海默癥中， 通過MAPK信號(hào)傳導(dǎo)通路， 淀粉樣纖維激活細(xì)胞壞死信號(hào)通路. MAPK屬于脯氨酸依賴的蛋白激酶的一種， 在病人大腦中誘使tau蛋白過度磷酸化， 繼而導(dǎo)致AD. TGF-β誘導(dǎo)生物鐘基因的失調(diào)， 導(dǎo)致神經(jīng)通路的改變， 這與AD患者的睡眠—覺醒節(jié)律異常是有因果聯(lián)系的[18]. 與此同時(shí)， TGF-β通路在腫瘤的發(fā)生發(fā)展中有重要的作用， 通過研究其與miRNA機(jī)制可以得到新的潛在治療靶標(biāo)[19]. jak-STAT信號(hào)通路是一條由細(xì)胞因子刺激的信號(hào)轉(zhuǎn)導(dǎo)通路， 參與細(xì)胞的增殖、 分化、 凋亡以及免疫調(diào)節(jié)等許多重要的生物過程. 雖然沒有確切的解答答案， 但是現(xiàn)有的大量研究表明， 癌癥和阿爾茨海默癥呈現(xiàn)一種負(fù)相關(guān)的關(guān)系. 因此， 在表3中， 預(yù)測的靶基因參與了很多癌癥相關(guān)通路， 這并不表示這些基因與AD無關(guān). 如p53基因是一種重要的抑癌基因， 它的缺失或突變將明顯增加惡性腫瘤的易感性. 有研究顯示， p53與AD也有著密切的聯(lián)系. p53的激活對(duì)促進(jìn)細(xì)胞老化具有直接作用， AD患者的皮質(zhì)神經(jīng)元中大量表達(dá)p53[20].

表3 KEGG通路分析結(jié)果

以miR-195為例來詳細(xì)討論miRNA在調(diào)控網(wǎng)絡(luò)中的作用. 研究表明， miR-195表達(dá)水平與BACE1表達(dá)水平有關(guān)， miR-195表達(dá)上升， 則BACE1表達(dá)下降； 而miR-195表達(dá)下降會(huì)導(dǎo)致BACE1的表達(dá)上升[21]. 其在網(wǎng)絡(luò)中調(diào)控65個(gè)靶基因， 如圖2所示. 通過KEGG通路分析， 得出結(jié)果如表4.

miR-195調(diào)控的基因有幾個(gè)顯著的功能： 蛋白質(zhì)復(fù)合物捆綁(GO:0032403)， 蛋白激酶活性(GO:0004672)， 轉(zhuǎn)錄調(diào)節(jié)因子粘合物(GO:0030528)和轉(zhuǎn)錄因子粘合物(GO:0008134). 這些都是生物的基本功能， 說明miR-195的重要作用.

圖2 miR-195調(diào)控的靶基因

表4 miR-195靶基因KEGG通路分析結(jié)果

在此基礎(chǔ)上， 對(duì)預(yù)測靶基因進(jìn)行了生物過程、 分子功能分析. 結(jié)果如表5～6.

表5 GO注釋—生物過程(BP)注釋

表6 GO注釋—分子功能(MF)注釋

從上述的生物過程、 分子功能和細(xì)胞組成分析可知， 參與生物過程靶基因數(shù)目最多的是： 管理細(xì)胞增殖、 正調(diào)控細(xì)胞生物合成過程、 酶鏈接受體蛋白信號(hào)通路、 堿基、 核苷、 核苷酸和核酸代謝過程的正調(diào)控等. 說明這些生物過程在AD發(fā)生發(fā)展過程中都扮演了重要的角色. 主要的分子功能為DNA粘合物、 過渡金屬離子活性、 鋅離子粘合物、 轉(zhuǎn)錄調(diào)節(jié)因子活性、 轉(zhuǎn)錄因子活性等. 這些基因參與的金屬離子活性和轉(zhuǎn)錄活性等分子功能， 都與AD產(chǎn)生密切相關(guān).

3 結(jié)語

采用TargetScan、 miRanda和Pictar三種軟件預(yù)測miRNA的靶基因， 并采用HCTarget算法對(duì)預(yù)測的靶基因進(jìn)行檢驗(yàn)， 融合匹配的miRNA表達(dá)數(shù)據(jù)和基因表達(dá)數(shù)據(jù)， 構(gòu)建miRNA-mRNA調(diào)控網(wǎng)絡(luò)， 分析miRNA和靶基因在AD中的表達(dá)活性. 同時(shí)利用此算法對(duì)AD顯著基因進(jìn)行對(duì)應(yīng)miRNA的預(yù)測. 將參與AD的顯著基因， 利用預(yù)測算法得到調(diào)控它們的miRNA， 再結(jié)合基因表達(dá)數(shù)據(jù)分析， 從而得到與AD相關(guān)的新的miRNAs.

miRNAs通過轉(zhuǎn)錄后水平調(diào)控細(xì)胞蛋白質(zhì)的表達(dá)， 在神經(jīng)系統(tǒng)的生長發(fā)育、 分化及功能執(zhí)行中發(fā)揮重要的作用. 腦組織內(nèi)miRNA的異常表達(dá)可通過多種途徑影響阿爾茨海默癥的發(fā)生和發(fā)展. 對(duì)于miRNA的研究將有助于深入了解阿爾茨海默癥的發(fā)病機(jī)制. 選取miR-195、 miR-107、 miR-29a等與AD發(fā)病密切相關(guān)的miRNA， miR-195和miR-107調(diào)控的靶基因BACE1通過促進(jìn)β-淀粉樣蛋白生成和調(diào)控另一個(gè)細(xì)胞過程導(dǎo)致記憶喪失而引起AD的發(fā)病. 受miR-29a調(diào)控的靶基因NAV3影響神經(jīng)退行性過程， 與AD的發(fā)病密切相關(guān). 選取的miRNA貫穿AD的發(fā)生發(fā)展過程， 為AD的致病機(jī)理研究， 臨床診斷提供新的方法.

[1] 應(yīng)俠, 吳振, 雷嚴(yán), 等. 阿爾茨海默病的發(fā)病機(jī)制及治療藥物研究進(jìn)展[J]. 中國藥房, 2014, 25(33): 3 152-3 155.

[2] 董賢慧, 柴錫慶. 阿爾茨海默病發(fā)病機(jī)制研究進(jìn)展[J]. 中國老年學(xué)雜志, 2014(20): 148.

[3] Nunez-Iglesias J， Liu C C， Morgan T E，etal. Joint genome-wide profiling of miRNA and mRNA expression in Aizheimer’s disease cortex reveals altered miRNA regulation[J]. The Public Library of Science One, 2010, 5(2)： e8898．

[4] Wang W X， Rajeev B W， Stromberg A J，etal. The expression of microRNA miR 107 decreases early in Alzheimer’s disease and may accelerate disease progression through regulation of beta-site amyloid precursor protein-cleaving enzyme l[J]. The Journal of Neuroscience, 2008, 28(5)： 1 213-1 223．

[5] Justin L M, Lahiri D K．MieroRNA 101 downregulates Alzheimer’s amyloid-8 precursor protein levels in human cell cultures and is differentially expressed[J]. Biochemical and Biophysical Research Communications, 2011, 404： 889-895．

[6] Sun E, Shi Y. Micrornas: small molecules with big roles in neurodevelopment and diseases[J]. Experimental Neurology, 2015, 268: 46-53.

[7] Su N, Wang Y, Qian M,etal. Predicting microRNA targets by integrating sequence and expression data in cancer[C]// 2011 IEEE International Conference on Systems Biology (ISB). Zhuhai: IEEE, 2011: 219-224.

[8] Tiribuzi R, Crispoltoni L, Porcellati S,etal. miR128 up-regulation correlates with impaired amyloidβ(1-42) degradation in monocytes from patients with sporadic Alzheimer’s disease[J]. Neurobiology of Aging, 2014, 35(2): 345-356.

[9] Long J M, Ray B, Lahiri D K. MicroRNA-339-5p down-regulates protein expression ofβ-site amyloid precursor protein-cleaving enzyme 1 (BACE1) in human primary brain cultures and is reduced in brain tissue specimens of Alzheimer disease subjects[J]. The Journal of Biological Chemistry, 2014, 289(8): 5 184-5 198.

[10] Lee K H, Lin F C, Hsu T I,etal. MicroRNA-296-5p (miR-296-5p) functions as a tumor suppressor in prostate cancer by directly targeting Pin1[J]. Biochimica et Biophysica Acta (BBA)-Molecular Cell Research, 2014, 1 843(9): 2 055-2 066.

[11] Lewis B P, Burge C B, Bartel D P. Conserved seed pairing, often flanked by adenosines, indicates that thousands of human genes are microRNA targets[J]. Cell, 2005, 120(1): 15-20.

[12] Krek A, Grün D, Poy M N,etal. Combinatorial microRNA target predictions[J]. Nature Genetics, 2005, 37(5): 495-500.

[13] Enright A J, John B, Gaul U,etal. MicroRNA targets in Drosophila[J]. Genome Biology, 2003, 5(1): R1.

[14] Tu K, Yu H, Hua Y J,etal. Combinatorial network of primary and secondary microRNA-driven regulatory mechanisms[J]. Nucleic Acids Research, 2009, 37(18): 5 969-5 980.

[15] Nelson P T, Wang W X. MiR-107 is reduced in Alzheimer’s disease brain neocortex: validation study[J]. Journal of Alzheimer’s Disease, 2010, 21(1): 75-79.

[16] Shioya M, Obayashi S, Tabunoki H,etal. Aberrant microRNA expression in the brains of neurodegenerative diseases: miR-29a decreased in Alzheimer disease brains targets neurone navigator 3[J]. Neuropathology and Applied Neurobiology, 2010, 36(4): 320-330.

[17] Rippo M R, Olivieri F, Monsurrò V,etal. MitomiRs in human inflamm-aging: a hypothesis involving miR-181a, miR-34a and miR-146a[J]. Experimental Gerontology, 2014, 56: 154-163.

[18] Gast H, Gordic S, Petrzilka S,etal. Transforming growth factor‐beta inhibits the expression of clock genes[J]. Annals of the New York Academy of Sciences, 2012, 1261(1): 79-87.

[19] Butz H, Rácz K, Hunyady L,etal. Crosstalk between TGF-βsignaling and the microRNA machinery[J]. Trends in Pharmacological Sciences, 2012, 33(7): 382-393.

[20] 石海濱. 阿爾茨海默病與惡性腫瘤相關(guān)性的研究進(jìn)展[J]. 醫(yī)藥前沿, 2014 (2): 117-118.

[21] Zhu H C, Wang L M, Wang M,etal. MicroRNA-195 downregulates Alzheimer’s disease amyloid-βproduction by targeting BACE1[J]. Brain Research Bulletin, 2012, 88(6): 596-601.

(責(zé)任編輯： 洪江星)

Target genes prediction for miRNA in Alzheimer’s disease

KONG Wei1, ZHANG Xin1, MOU Xiaoyang2

(1. Information Engineering College, Shanghai Maritime University, Shanghai 201306, China;2. Department of Chemistry and Biochemistry, Rowan University, New Jersey 08028, USA)

The research of miRNAs will help to further understand the pathogenesis of Alzheimer’s disease. In this paper, we use matching gene expression data and the miRNA expression data to estimate and analyze the miRNAs’ target genes. First we estimate the target genes of the chosen differentially expressed miRNAs. Then we use HCTarget algorithm to validate the forecast target genes. At last we built regulation network of miRNAs and its target genes. The regulation network contains 11 identified miRNAs associated with AD and 6 AD disease-causing genes. By analyzing the network we found the miRNAs and its target genes’ active trend in two cases of AD: normal and disease, biological analysis also confirmed their important role in the AD, this provided the basis for the research of the pathogenesis of AD.

mircoRNA; Alzheimer’s disease; target gene; prediction; HCTarget algorithm

2014-10-22

孔薇(1977-)， 教授， 主要從事生物信息學(xué)方面的研究， weikong@shmtu.edu.cn

國家自然科學(xué)基金資助項(xiàng)目(61271446； 61003093)

10.7631/issn.1000-2243.2015.06.0851

1000-2243(2015)06-0851-08

Q343.1

A