lncRNA测序及分析

发布时间：2026-04-16 阅读量：44 作者：生物检测中心

lncRNA测序与分析完整流程

一、 实验设计与样本准备

  1. 明确科学问题： 确定研究目标（如：特定发育阶段、疾病状态、处理条件等差异表达的lncRNA）。
  2. 样本选择与分组： 选择具有代表性的生物样本（组织、细胞等），合理设置实验组与对照组。样本数量需具备统计学意义。
  3. 质量控制：
    • 样本完整性： 确保样本采集、运输、储存过程快速规范（尤其是使用RNAlater等保存液），避免RNA降解（RIN值 ≥ 7通常认为合格）。
    • RNA提取： 使用适合样本类型的高质量总RNA提取试剂盒，去除基因组DNA污染。定量方法（如Qubit）需精确，电泳或生物分析仪检测RNA完整性。

二、 文库构建与测序

  1. rRNA去除： 总RNA中核糖体RNA (rRNA) 占比很高（>80%）。必须高效去除rRNA或富集Poly(A)+ RNA：
    • Poly(A) 富集： 使用Oligo(dT)磁珠捕获带Poly(A)尾的RNA分子（包括大部分mRNA和lncRNA）。但会丢失无Poly(A)尾的lncRNA。
    • rRNA去除： 使用探针杂交法或酶消化法特异性去除rRNA。适用于捕获所有类型的RNA，包括无Poly(A)尾的lncRNA和非编码RNA。是研究lncRNA更常用的策略。
  2. 链特异性建库： 关键步骤！ 使用特殊建库方法（如dUTP法），使测序得到的读段能够明确其来源的模板链。这对于准确区分正义/反义转录本、精确确定lncRNA的转录方向至关重要。
  3. 文库片段化与扩增： 将RNA（或cDNA）片段化至合适长度（如150-300 bp），加接头，并进行PCR扩增。
  4. 文库质检与定量： 使用生物分析仪或qPCR等方法评估文库片段大小分布和浓度。
  5. 高通量测序： 在下一代测序平台上进行双末端测序（Paired-End）。测序深度建议 ≥ 60 million clean reads per sample（深度需根据样本复杂度、研究目标调整，探索低丰度lncRNA需更深深度）。

三、 生物信息学分析流程

1. 原始数据质控与预处理： * 质量评估： 使用FastQC等工具检查原始读段质量（Phred质量值、GC含量、接头污染、重复读段等）。 * 数据过滤： 使用Trimmomatic、Cutadapt等工具去除低质量碱基（如Q < 20）、接头序列、长度过短的读段。保留高质量的“干净读段”。 * 去除宿主基因组污染（如适用）： 若样本来自微生物感染的宿主，需先去除可能存在的宿主读段污染。

2. 参考基因组比对： * 选择参考基因组与注释： 使用研究物种最新、最准确的参考基因组序列文件和基因注释文件（如GTF/GFF格式）。 * 比对工具： 使用STAR、HISAT2、TopHat2（较旧）等剪接感知的比对工具将干净的PE读段比对到参考基因组。需设置合适的参数以适应lncRNA常有的较长外显子/内含子特征。 * 比对后处理： 使用samtools等工具进行排序、去重复（PCR重复），生成BAM格式比对文件。

3. 转录本组装与定量： * 参考基因组引导组装： 使用StringTie、Cufflinks等工具，基于比对结果，结合参考基因注释信息，重新组装转录本。 * 定量： 对组装出的转录本以及参考注释中的基因进行表达量定量（计算每个转录本/基因的Raw Counts）。

4. lncRNA的鉴定： * 区分已知与未知： 将组装出的转录本与已知的参考基因注释（mRNA, miRNA, snoRNA等）进行比较（例如使用gffcompare），筛选出未被注释的转录本作为新转录本候选。 * 编码潜能预测： 对新转录本候选进行编码潜能评估，筛选出潜在的非编码RNA： * CPC2 / CPAT： 基于序列特征（ORF长度、完整性、密码子偏好等）预测编码潜能。 * Pfam / PhyloCSF： 检查是否包含已知蛋白质结构域（Pfam）；利用多物种序列保守性分析编码潜能（PhyloCSF）。 * 结合预测结果： 通常设定严格的标准（如CPC2 score < 0, CPAT score < 0.364）来鉴定非编码转录本。这些阈值可根据物种调整。 * 筛选标准（典型）： * 转录本长度 ≥ 200 nt。 * 表达量足够高（如FPKM ≥ 0.5, TPM ≥ 0.5）。 * 排除已知的非编码RNA类型（如已知的lncRNA会被保留）。 * 最终获得高置信度的lncRNA候选列表（包括已知和新发现的）。

5. 差异表达分析： * 表达矩阵标准化： 使用DESeq2, edgeR, limma-voom等工具对Raw Counts矩阵进行标准化（如TMM， RLE），消除文库大小等因素的影响。推荐使用TPM或FPKM进行可视化或样本间比较时需谨慎考虑其局限性。 * 差异分析： 基于标准化后的数据，使用上述工具进行组间差异表达分析。设定显著性阈值（如|log2FC| > 1 & FDR adjusted p-value/padj < 0.05）。 * 结果输出： 获得显著差异表达的基因列表，包括差异表达的lncRNA和mRNA。

6. lncRNA功能预测与机制探索： （计算预测，需后续实验验证） * 共表达分析： * mRNA关联： 计算差异lncRNA与所有mRNA的表达相关性（如Pearson/Spearman相关系数）。 * WGCNA： 构建加权基因共表达网络，识别与特定生物学过程（模块）高度相关的lncRNA。 * 顺式作用预测 (cis-acting)： 查找邻近蛋白编码基因（如上下游100kb或同条染色体上），分析其在基因组上的位置关系。若lncRNA与邻近基因显著共表达，可能通过调控邻近基因发挥作用（如影响其转录或染色质状态）。 * 反式作用预测 (trans-acting)： 基于表达相关性与位置无关性，预测lncRNA可能调控远端基因。通常结合共表达网络结果。 * 功能富集分析： 对lncRNA显著共表达的mRNA集合进行GO（基因本体论）功能注释和KEGG（京都基因与基因组百科全书）通路富集分析，推测lncRNA可能参与的生物过程和通路。 * 竞争性内源RNA (ceRNA) 预测： * 识别与目标lncRNA存在共享miRNA结合位点的mRNA。 * 分析共享miRNA的表达水平。 * 构建ceRNA调控网络（lncRNA – miRNA – mRNA），常用工具如Cytoscape进行可视化。 * 蛋白质相互作用预测： 预测lncRNA可能结合的蛋白（如基于序列特征或结构）。

7. 靶基因预测： 结合共表达、位置关系、ceRNA网络等信息，筛选lncRNA的潜在靶基因（主要是mRNA）。

8. 结果可视化与解读： * 绘制差异表达的火山图、热图、MA图。 * 可视化共表达网络、ceRNA网络、染色体位置关系。 * 展示GO/KEGG富集分析结果（柱状图、气泡图）。 * 结合已知生物学知识和文献，对分析结果进行生物学意义的解读，提出lncRNA在特定生物学过程或疾病中潜在的功能假说。

四、 实验验证

生物信息学分析结果是预测性的，必须通过实验验证：

  1. 表达验证： 使用RT-qPCR（引物需跨外显子连接点）或Northern Blot在独立样本集中验证关键lncRNA的表达水平和差异表达结果。
  2. 亚细胞定位： 核/质分离结合RT-qPCR或原位杂交（FISH）确定lncRNA主要富集在细胞核还是细胞质，对其作用机制有重要提示（核内常参与表观调控，胞质常参与转录后调控）。
  3. 功能获得与缺失实验：
    • 过表达： 构建lncRNA过表达载体转染细胞。
    • 敲低： 使用siRNA或shRNA靶向降解lncRNA。更佳的策略是使用CRISPRi（CRISPR干扰）在转录水平抑制lncRNA表达。
    • 观察对细胞表型（增殖、凋亡、迁移、分化等）或下游靶基因表达的影响。
  4. 机制深入研究：
    • RNA-蛋白质互作： RNA免疫沉淀测序（RIP-Seq）或RNA pull-down结合质谱/MS鉴定lncRNA结合的蛋白伙伴。
    • RNA-DNA相互作用： 染色质分离RNA测序（ChIRP-Seq）或捕获杂交测序（CHART-Seq）鉴定lncRNA结合的基因组位点（如启动子、增强子）。结合组蛋白修饰（如ChIP-Seq）和染色质构象（如Hi-C）数据综合分析。
    • 转录调控验证： 报告基因实验验证lncRNA对特定启动子活性的影响。
    • 调控网络验证： 验证预测的ceRNA网络（如验证共享miRNA的表达变化及其对靶基因的调控）。

五、 注意事项与实验设计考量

  1. 生物重复： 至关重要！ 每个实验组必须有足够数量（建议 ≥ 3）的独立生物重复，以捕捉生物个体差异，确保结果的可靠性和统计效力。
  2. 链特异性： 务必强调使用链特异性建库技术，这是准确鉴定lncRNA的基础。
  3. 测序深度与覆盖度： lncRNA表达通常低于mRNA，足够的测序深度是发现和准确定量lncRNA的必要条件。
  4. 注释文件质量： 参考基因组和基因注释文件的质量直接影响新lncRNA鉴定的准确性。尽量使用权威数据库的最新版本。
  5. 编码潜能评估： 使用多种工具组合预测，设定严格标准，降低假阳性率。
  6. 功能预测的局限性： 计算预测结果仅为假说生成，其生物学意义和具体机制必须通过严谨的实验验证。
  7. 物种特异性： lncRNA的保守性通常低于编码基因，其功能也具有较强的物种和组织特异性。分析方法和参数选择需考虑物种背景。

结论：

lncRNA的完整研究是一个从高通量测序发现到深入实验验证的系统工程。高质量的实验样本和测序数据是基石，严谨的生物信息学分析是桥梁，而最终对lncRNA功能与机制的深刻理解，则依赖于巧妙设计和执行的生物学实验验证。该流程为系统性研究lncRNA提供了全面的技术框架，研究人员需根据具体研究问题和样本特点调整优化各环节参数与策略，并始终将实验验证作为确认预测结果的最终步骤。

参考文献：

  1. Ulitsky I, Bartel DP. lincRNAs: Genomics, Evolution, and Mechanisms. Cell. 2013.
  2. Quinn JJ, Chang HY. Unique features of long non-coding RNA biogenesis and function. Nat Rev Genet. 2016.
  3. Kopp F, Mendell JT. Functional Classification and Experimental Dissection of Long Noncoding RNAs. Cell. 2018.
  4. Statello L, Guo CJ, Chen LL, Huarte M. Gene regulation by long non-coding RNAs and its biological functions. Nat Rev Mol Cell Biol. 2021.
  5. Pertea M, et al. StringTie enables improved reconstruction of a transcriptome from RNA-seq reads. Nat Biotechnol. 2015.
  6. Love MI, Huber W, Anders S. Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biol. 2014.
  7. Kang YJ, et al. CPC2: a fast and accurate coding potential calculator based on sequence intrinsic features. Nucleic Acids Res. 2017.
  8. Wang L, et al. CPAT: Coding-Potential Assessment Tool using an alignment-free logistic regression model. Nucleic Acids Res. 2013.
  9. Liu J, et al. Genome-wide analysis identifies long noncoding RNAs associated with auxin-related root growth in rice. J Exp Bot. 2021. (示例性研究文章).

（注：参考文献仅为示例，实际写作需引用具体使用的方法和工具的原始文献以及领域内重要综述与研究论文。）

底部图片-PC版 底部图片-移动版