Outils de bioinformatique pour l'analyse des ARN non codants

L'introduction aux ARN non codants

Les ARN non codants (ARNnc) étaient autrefois considérés comme des bruits de transcription ou des sous-produits du traitement de l'ARN, mais des preuves croissantes suggèrent qu'une majorité d'entre eux sont biologiquement fonctionnels et régulent diverses activités dans les cellules. Les ARNnc sont grossièrement classés en deux catégories selon leur longueur de séquence : les petits ARNnc (<200 pb) et les longs ARNnc (200 pb ou plus). Les catégories d'ARNnc sont listées dans le Tableau 1.

Tableau 1. Aperçu des ncRNA (Fu 2014).

Comme le montre le Tableau 1, les ncARN peuvent être grossièrement divisés en deux classes : les ncARN de maintien et les ncARN régulateurs. Les ncARN de maintien, comprenant l'ARNr, l'ARNt, l'ARNsn, l'ARNsno et l'ARNt, sont considérés comme « constitutifs » car ils sont exprimés de manière ubiquitaire dans tous les types cellulaires et offrent des fonctions essentielles aux organismes. Les ncARN régulateurs, comprenant les miARN, les endo-siARN, les rasiARN, les piARN, les eARN, les PAT et les lncARN, ont suscité un intérêt croissant de la part de la communauté de recherche en raison de leur fonction régulatrice dans l'expression génique, l'imprégnation et l'épigénétique. RNA-seq est une technique avancée pour illustrer les espèces de ncRNA. Ici, nous avons fait un résumé des outils bioinformatiques pour l'analyse des ncRNA avec des données provenant du NGS.

Figure 1. Les ncARN comme parties intégrées du réseau génique (Fu 2014).

Les petits ARN jouent un rôle crucial dans la régulation transcriptionnelle et sont essentiels pour comprendre pleinement l'ensemble du scénario de la régulation transcriptionnelle. Leurs profils d'expression aberrants sont considérés comme associés à des dysfonctionnements cellulaires et à des maladies. Par conséquent, de nombreuses recherches se concentrent sur la détection, la prédiction ou la quantification de l'expression des petits ARN, en particulier des miARN, afin de mieux comprendre la santé humaine et les maladies. Les outils informatiques disponibles pour séquençage de petits ARN les données sont résumées dans le Tableau 2.

Tableau 2. Outils informatiques pour l'analyse des petits ncRNA

Détection de l'ARN circulaire

les outils informatiques disponibles pour la détection des circARN comprennent CIRI, CIRCexplorer et KNIFE, qui montrent une performance équilibrée entre précision et sensibilité. Les circARN sont un nouveau type d'ARN qui forme une boucle continue fermée de manière covalente. La plupart d'entre eux sont générés à partir de séquences exoniques ou introniques, et des protéines liant l'ARN (RBP) ou des séquences complémentaires inverses sont nécessaires à leur biogenèse. Les circARN sont principalement conservés et fonctionnent comme des éponges à miARN, des régulateurs de l'épissage et de la transcription, ou des modificateurs de l'expression des gènes parentaux. De plus en plus de preuves suggèrent l'importance potentielle des circARN dans les maladies humaines, telles que les maladies vasculaires athéroscléreuses, les troubles neurologiques et le cancer. séquençage de circRNA Les données sont résumées dans le tableau 2.

Tableau 3. Outils informatiques pour la détection des ARN circulaires.

Investigation des LncRNA

L'lncRNA est un type d'ARN non codant de plus de 200 nucléotides, tel que les lincRNAs et les macroARNs. Les lncRNAs fonctionnent comme une plateforme pour l'interaction avec l'ARNm, les miARN ou les protéines. Ils ont émergé en tant que régulateurs vitaux dans divers aspects de la biologie, y compris la régulation transcriptionnelle, la régulation post-transcriptionnelle et le remodelage de la chromatine. Des recherches croissantes suggèrent que la mauvaise expression des lncRNAs contribue à l'initiation, à la croissance et à la métastase des tumeurs. Les lncRNAs deviennent donc une cible prometteuse pour le diagnostic et la thérapie du cancer. La combinaison de séquençage de l'lncARN et des outils informatiques adaptés est une approche puissante à cet égard.

Tableau 4. Outils informatiques pour l'investigation des lncRNA.

Références:

1. Choudhuri S. Petits ARN non codants : biogenèse, fonction et importance émergente en toxicologie. Journal de toxicologie biochimique et moléculaire, 2010, 24(3) : 195-216.
2. Fu X D. ARN non codants : une nouvelle frontière en biologie régulatrice. Revue nationale des sciences, 2014, 1(2) : 190-204.
3. Gao Y, Wang J, Zhao F. CIRI : un algorithme efficace et sans biais pour l'identification de nouveaux ARN circulaires. Biologie du génome, 2015, 16(1) : 4.
4. Jiang Q, Ma R, Wang J, et al.LncRNA2Function : une ressource complète pour l'investigation fonctionnelle des lncARN humains basée sur des données de séquençage d'ARN.BMC Genomics. BioMed Centrall, 2015, 16(3) : S2.
5. Musacchia F, Basu S, Petrosino G, et al.Annocript : un pipeline flexible pour l'annotation des transcriptomes capable d'identifier des ARN non codants longs putatifs. Bioinformatique, 2015, 31(13) : 2199-2201.
6. Qu S, Yang X, Li X, et al.ARN circulaire : une nouvelle étoile des ARN non codants. Lettres de cancer, 2015, 365(2) : 141-148.
7. Su Y, Wu H, Pavlosky A, et al.. ARN non codants régulateurs : nouveaux instruments dans l'orchestration de la mort cellulaire[J]. Cell death & disease, 2016, 7(8) : e2333.
8. Sun K, Chen X, Jiang P, et al.iSeeRNA : identification de longs transcrits d'ARN non codants intergéniques à partir de données de séquençage du transcriptome. BMC génomique, 2013, 14(2) : S7.
9. Sun L, Zhang Z, Bailey T L, et al.Prédiction de nouveaux ARN non codants longs basée sur les données RNA-Seq de l'étude de knockout Klf1 chez la souris. BMC bioinformatique, 2012, 13(1) : 331.
10. Veneziano D, Nigita G, Ferro A. Approches computationnelles pour l'analyse des ncRNA à travers des techniques de séquençage profond. Frontières en bioingénierie et biotechnologie, 2015, 3 : 77.
11. Yang G, Lu X, Yuan L. LncRNA : un lien entre l'ARN et le cancer. Biochimica et Biophysica Acta (BBA) - Mécanismes de Régulation Génétique, 2014, 1839(11) : 1097-1109.
12. Zeng X, Lin W, Guo M, et al. Un aperçu complet et une évaluation des outils de détection des ARN circulaires. PLoS biologie computationnelle, 2017, 13(6) : e1005420.