Exo-LT中的ceRNA调控网络构建方法及应用、肪瘤组织判断方法、检测产品

技术领域

本发明涉及生物信息技术领域，具体涉及一种Exo-LT中的ceRNA调控网络构建方法、脂肪瘤判断方法、检测产品。

背景技术

脂肪瘤是一种由脂肪细胞异常增生导致脂肪沉积而成的脂肪组织良性肿瘤，是最常见的间充质来源的软组织肿瘤之一，它的病因和发病机制尚不清楚，目前认为可能与遗传因素、饮食因素、精神因素和不良生活习惯有关。脂肪瘤在临床中通常表现为无症状、生长缓慢、质地较软，边界清楚的肿块，它可以发生在肩膀、背部、颈部、胸部和腹部，其次是四肢的近端(如上臂、大腿和臀部)，但主要是皮下，治疗方式以手术切除为主，术后一般无并发症且预后良好。

脂肪组织干细胞(ADSCs)能够自我更新和多能分化为脂肪细胞、成骨细胞、软骨细胞、肌细胞、神经细胞和其他类型的细胞，被认为是用于再生医学的有前途的工具。有研究表明脂肪瘤组织也是干细胞的良好来源，脂肪瘤干细胞(LDSCs)可以表达特征性间充质干细胞标记物，还可以类似于ADSCs的方式增殖，并可以分化为脂肪细胞、成骨细胞和软骨细胞。LDSCs代表了一种临床中无用组织的回收利用方式，吸引了众多研究者和临床医生致力研究，然而目前关于LDSCs的研究并不全面，尤其是LDSCs和ADSCs在细胞增殖和成脂分化方面的差别机制还需要深入研究，以期推广LDSCs在临床中的应用。

外泌体是一种可由绝大多数细胞分泌的纳米直径的小囊泡，它包含广泛的“货物”，例如：蛋白质、RNA和脂质，可作为载体在细胞间转移，进行细胞间信息交流。

长链非编码RNA(lncRNA)是一类长度大于200nt的非编码RNA,其在转录沉默、转录激活、染色体修饰、核内运输等均具有重要的功能。随着高通量测序技术的发展和成熟，越来越多的lncRNA被发现参与到众多生物学过程中，但至今还没有关于脂肪瘤中lncRNAs的研究。

发明内容

本发明第一发明目的是，提供一种Exo-LT中的ceRNA调控网络构建方法，包括以下内容：

1)分别获取脂肪组织来源外泌体Exo-AT和脂肪瘤组织来源外泌体Exo-LT中lncRNA、mRNA和miRNA基因谱，筛选在Exo-LT中显著差异表达的mRNA及在功能分析中与细胞增殖和成脂分化功能相关的mRNA；

2)分别分析1)中mRNA的上游miRNA，得到两组miRNA，再分别与芯片miRNA基因谱取交集；

3)将得到的两个交集结果再次取交集，得进一步的目标miRNA，并分析其上游lncRNA，再分别与芯片lncRNA结果取交集；最终分析得到的mRNA、miRNA和lncRNA结果，三者进行ceRNA调控网络的构建。

本发明提供了一种实施方式，2)中，通过TargetScan和miRDB两个数据库，分别分析1)中mRNA的上游miRNA，TargetScan选择阈值≤－0.3的miRNA，miRDB选择阈值≥50的miRNA，得到对应的两组miRNA。

本发明提供了一种实施方式，3)中，筛选出其中差异表达的mRNA，筛选条件为|logFC|>2p<0.05，丰度>100；筛选出与细胞增殖和脂肪生成功能相关的mRNA，筛选条件为丰度>100。

本发明第二发明目的是，提供了采用上述构建方法在制备检测脂肪瘤组织产品中的应用，所述产品中含有的lncRNA是SNHG1、SNHG12、YLPM1、TN-AS1、SNHG16、MCM3AP-AS1和HOXA11-AS的组合。

本发明第三发明目的是，提供了一种检测产品，所述检测产品中包括用于检测SNHG1、SNHG12、YLPM1、TN-AS1、SNHG16、MCM3AP-AS1和HOXA11-AS表达量的试剂。

本发明提供了一种实施方式，所述检测产品为芯片、试剂盒或检测装置。

本发明第四发明目的是，提供了将上述检测产品应用于分析脂肪瘤组织或脂肪组织中细胞增殖和成脂分化相互关系。通过芯片分析得到脂肪瘤外泌体和脂肪组织外泌体中的基因谱，通过基因表达差异分析和基因功能分析，筛选出与细胞增殖和成脂分化相关的基因，并得知它们在两种外泌体中的表达差异。

本发明第五发明目的是，一种脂肪瘤组织判断方法，若检测得到lncRNA中SNHG1、SNHG12、YLPM1、TTN-AS1和SNHG16表达显著上调(p＜0.05)，MCM3AP-AS1和HOXA11-AS表达显著下调(p＜0.05)，则判断是脂肪瘤组织；反之，则为脂肪组织。

附图说明

图1为通过透射电镜和NTA粒度分析鉴定Exo-AT和Exo-LT；

图2为对芯片及测序中的RNA质量检测结果；

图3为通过对Exo-LT和Exo-AT差异分析出的lncRNA；

图4为通过对Exo-LT和Exo-AT差异分析出的mRNA；

图5为通过对Exo-LT和Exo-AT差异分析出的miRNA；

图6为在Exo-LT差异表达的mRNA的GO功能分析结果点阵图；

图7为在Exo-LT差异表达的mRNA的GO功能分析结果柱状图；

图8为在Exo-LT差异表达的mRNA的KEGG功能分析结果(PPAR信号途径)；

图9为在Exo-LT差异表达的mRNA的KEGG功能分析结果(松弛素信号途径、胰岛素信号途径、PPAR信号途径和PI3K-Akt信号途径)；

图10为在Exo-LT差异表达的mRNA的KEGG功能分析结果(PI3K-Akt信号途径)；

图11为构建的Exo-LTceRNA差异网络图；

图12为构建的Exo-LTceRNA增殖网络图；

图13为构建的Exo-LTceRNA成脂网络图；

图14为构建Exo-LT中ceRNA调控网络的流程图；

图15为验证在脂肪瘤外泌体中差异表达的lncRNA的PCR结果；

图16为验证在脂肪瘤外泌体中差异表达的mRNA的PCR结果。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。除有定义外，以下实施例中所用的技术术语具有与本发明创造所属领域技术人员普遍理解的相同含义。以下实施例中所用的试验试剂，如无特殊说明，均为常规生化试剂；所述实验方法，如无特殊说明，均为常规方法。

研究对象的收集

所有患者术前均被告知本研究的目的和程序，均同意提供其切除的组织并签署知情同意书。所有样本来自湘雅口腔医院，脂肪组织样本来自植皮患者的腹部(年龄25-50岁，均为男性，n＝3)，脂肪瘤组织样本来自皮下脂肪瘤患者(年龄25-50岁，均为男性并排除系统性基础疾病，n＝3)，其中两个样本来自患者的腹部，一个样本来自患者的背部。

提取Exo-AT和Exo-LT

取患者脂肪组织，用含有100U/ml青霉素和100μg/ml链霉素的PBS浸泡10分钟，再用PBS浸泡冲洗3次；将脂肪组织剪成1-2mm

Exo-AT和Exo-LT的鉴定

如图1所示，透射电镜(TEM)下观察Exo-AT和Exo-LT的形态；NTA粒度分析Exo-AT和Exo-LT的粒子直径。

Exo-AT和Exo-LT中总RNA的提取

如图2-4所示，三例Exo-AT样本与三例Exo-LT样本分别记为Exo-AT1、Exo-AT2、Exo-AT3、Exo-LT1、Exo-LT2、Exo-LT3；加入1ml RNAisoPlusTotalRNA，充分混匀，室温静置10min；加入1/5体积的氯仿，震荡15s，直至充分乳化，静置10min，12,000g15min4℃离心，取上清液转移至新的EP管中；加入等体积的异丙醇，充分混合，静置10min，12,000g10min4℃离心，弃去上清，获取沉淀；沿管壁加入75％乙醇(750ml无水乙醇+250mlDEPC水)1ml，7,500g10min4℃洗涤沉淀，弃掉上清；晾干沉淀，加入20μlDEPC水溶解沉淀RNA；取1μl溶解后的RNA稀释至20μl，在核酸分析仪上检测RNA的质量及浓度，A260/A280＝1.8-2视为质量较纯的RNA。

RNA质量检测

使用Nanodrop测定RNA在260nm、280nm以及230nm的吸光值，计算样品浓度及评估纯度；用甲醛变性电泳试剂进行琼脂糖凝胶电泳，以检测RNA的纯度及完整度。图2A和图2B的对应的结果分别如下表1和2所示：

表1Labeling Efficiency-QC of Exo-AT(F)and Exo-LT samples(L)

表1中，实验中使用1μg RNA进行标记。标记RNA的比活性(pmol dyes per ugcRNA)可以由下式计算得到:

表2RNA Quantification and Quality Assurance of Exo-AT(F)and Exo-LTsamples(L)by NanoDrop ND-1000.

表2中，由NanoDrop ND-1000测得。

lncRNA、mRNA及miRNA高通量测序及功能分析

如图5和6所示，使用总RNA制备lncRNA、mRNA及miRNA的测序文库；测序后进行数据处理；分析差异表达的lncRNA、mRNA及miRNA，绘制聚类分析图；通过GO富集和KEGG通路分析mRNA参与的生物学功能。

构建Exo-LT中ceRNA调控网路

如图7所示，根据芯片数据得到差异表达和功能分析结果，筛选出在Exo-LT中显著差异表达的mRNA以及与细胞增殖和成脂分化功能相关的mRNA；通过TargetScan和miRDB两个数据库，分别分析以上mRNA的上游miRNA，TargetScan选择阈值≤－0.3的miRNA，miRDB选择阈值≥50的miRNA，之后两组miRNA结果再分别与芯片miRNA取交集，这两个交集结果之间再次取交集，得到我们需要进一步分析的目标miRNA；之后通过Starbase数据库，分析这些目标miRNA的上游lncRNA，再分别与芯片lncRNA结果取交集；最终分析得到的mRNA、miRNA和lncRNA结果及三者的对应关系，既完成了ceRNA调控网络的构建。

qRT-PCR验证ceRNA网络标记物

筛选Exo-LT中需要验证的lncRNA、mRNA及miRNA，设计引物进行qRT-PCR定量分析，计算RNA相对表达量。

设计引物：

lncRNA特异性引物序列如下:

SNHG1,FORWARD,CGCACGTTGGAACCGAAGAGAG；REVERSE,GAGGCAGACTGTCATCAGGAATACC；

SNHG12,FORWARD,TTCCCCGCTAGTCGCTGCTG；REVERSE,CCGTGCCACATTCACCACCATC；

MCM3AP-AS1,FORWARD,AGCCAGTGGTCCGTAAGTCAGG；REVERSE,GAGGAGTGGGTGCCGAAATGC；

YLPM1,FORWARD,GATGCTGAATTTGCGGTGGGTTG；REVERSE,TGGAGGTACTGGAAGGATGTCACTC；

HOXA11-AS,FORWARD,ATCTTCCCTGCCTACCTCTTCATCC；REVERSE,TGCCTCTGTCTCTGCCGAGTC；

TTN-AS1,FORWARD,CCTCCATCACTGATTGGCTCATTCC；REVERSE,CCTGGTCCTCCTGGCACTCC；

SNHG16,FORWARD,TGGTGTTTCGTTTCTGGTGACTGAG；REVERSE,GCAAGAGACTTCCTGAGGCACATC.

mRNA特异性引物序列如下:

PBX1,FORWARD,GCGGTGATGATCCTGCGTTCC；REVERSE,CTTGGCTAACTCCTCTTTGGCTTCC；

RARA,FORWARD,TGCCTCCCTACGCCTTCTTCTTC；REVERSE,GAACTGCTGCTCTGGGTCTCAATG；

SKP1,FORWARD,GCTGTAGTGGCTTCGTCTTCGG；REVERSE,AAGGCATGGTGTTCGGTGTTAAGG；

CD47,FORWARD,TTGTCCTCCTGTTACTTGCTTCTGC；REVERSE,GCTACCGTGTCACTAGACCATGT TC。

统计学处理

至少三个独立实验的数据用SPSS17.0统计软件处理，并以平均值±标准差表示。用t检验来进行统计比较。P<0.05被认为是有统计学意义的。

研究结果

在TEM下观察，Exo-LT和Exo-AT都呈现出杯状形态(图1A，B)。ZetaView，一种颗粒计量分析器被用来追踪Exo-LT和Exo-AT的尺寸。Exo-LT的平均尺寸为121.3纳米，Exo-AT的平均尺寸为121.1纳米(图1C，D)。上述结果表明，成功地分离了Exo-LT和Exo-AT。

在三个Exo-LT和三个Exo-AT样本中共检测到24191个lncRNAs、17669个mRNAs和1232个miRNAs，并完成RNA质量检测(图2)。热图显示，在Exo-LT和Exo-AT组之间，lncRNAs、mRNAs和miRNAs的表达谱有明显的区分和一致性(图3A，图4A，图5A)。

散点图用于可视化两组之间lncRNAs、mRNAs和miRNAs表达的变化和可重复性。

lncRNA的散点图显示，在Exo-LT样本中，3020个lncRNAs被上调，2873个lncRNAs被下调，而28305个lncRNAs的表达没有明显差异(图3B)。

mRNA的散点图显示，在Exo-LT中，1331个mRNAs被上调，1825个mRNAs被下调，14973个mRNAs的表达没有明显差异(图4B)。

miRNA的散点图显示，在Exo-LT中，600个miRNAs被上调，248个miRNAs被下调，384个miRNAs的表达没有明显差异(图5C)。

火山图是一种散点图，它结合了p值和变化幅度值，以直观地识别具有较大和统计学意义的变化的基因。

lncRNA的火山图显示，在Exo-LT中，161个lncRNAs明显上调，70个lncRNAs明显下调，33967个lncRNAs没有明显差异表达(图3C)。

mRNA的火山图显示，在Exo-LT中，79个mRNAs明显上调，57个mRNAs明显下调，17993个mRNAs无明显差异表达(图4C)。

miRNA的火山图显示，在Exo-LT中，27个mRNAs明显上调，1194个mRNAs明显下调，11个mRNAs无明显差异表达(图5B)。

基于17669mRNA表达的表达谱，51mRNA显著差异表达Exo-LT筛选(|logFC|>2p<0.05)，其中20mRNA显著上调Exo-LT组(p<0.05)，而31mRNA显著下调Exo-LT组(p<0.05)。然后，我们根据51个mRNA和Exo-AT组的表达丰度均大于100的标准进一步筛选51个mRNA。最后，我们选择了10个同时符合显著差异表达和丰度质量控制标准的mRNA(表3)。

表3在Exo-LT排名前十的显著差异表达的mRNA

从表3可知，在这些符合标准的mRNA中，6个在Exo-LT组上调，4个在Exo-LT组下调，并被选择进行后续的ceRNA网络分析。

GO分析的p值表示GO项目在差异表达基因中的富集程度，p值越低，GO项目的意义越大。而KEGG通路分析的p值表示与该条件相关的通路的重要性，p值越低，该通路越重要。GO分析和KEGG途径分析都筛选出了具有统计学意义(P值<0.05)的项目。GO富集度的点阵图和柱状图显示了三类GO项目(BP、CC和MF)中前十个最显著的富集词的富集分值，其中包括表皮生长因子受体结合、细胞-细胞粘附介质活性、脂质结合、细胞对刺激的反应、对内源性刺激的反应、血管通透性的正向调节、细胞通讯等重要生物过程(图6和图7)。KEGG途径分析的柱状图将富集分数明显丰富的途径项目移出，包括松弛素信号途径、胰岛素信号途径、PPAR信号途径和PI3K-Akt信号途径(图8-10)。

在GO富集和KEGG通路分析结果中，筛选出了在Exo-LT和Exo-AT样本中高表达(丰度>100)的mRNAs，并进一步筛选出了与细胞增殖和脂肪生成相关的mRNAs。在GO分析结果中筛选出4个与细胞增殖相关的项目，其对应的mRNAs在Exo-LT组中都是上调的(表4)。

表4为通过功能分析筛选出的与细胞增殖相关的mRNAs

此外，对GO富集结果进行了筛选，发现与对脂质反应和激活MAPK活性相关的mRNA在Exo-LT组均上调，而与细胞内脂质输入、细胞脂质代谢过程和应激激活的MAPK级联相关的mRNA在Exo-LT组同时下调。此外，我们筛选了KEGG通路的结果，发现与PPAR信号通路和PI3K-Akt信号通路相关的mRNAs在Exo-LT组同时上调(表5)。

表5为通过功能分析筛选出的与成脂分化相关的mRNAs

筛选出的与细胞增殖和脂肪生成相关的mRNAs被用于随后的ceRNA网络分析。

基于上述对微阵列数据的广泛分析，得到了Exo-LT中前十个明显差异表达的mRNAs。同时，通过GO富集和KEGG通路分析，确定了与细胞增殖和脂肪生成功能相关的mRNAs。根据差异表达分析、细胞增殖分析和脂肪生成分析三个方面构建了Exo-LT中的ceRNA调控网络。结合TargetScan和miRDB两个数据库来预测Exo-LT中明显差异表达mRNAs的上游miRNAs。以TargetScan预测结果的上下文分值≤-0.3和miRDB预测结果的目标分值≥50作为阈值筛选标准，将两个数据库的阈值筛选的miRNAs进行交叉，最后49个miRNAs与Exo-LT中显著差异表达的mRNAs配对。在这些miRNAs中有22个在Exo-LT中也有差异表达，其中12个在Exo-LT组中上调，10个下调。此后，通过Starbase数据库预测这49个miRNAs的上游lncRNAs，然后将预测的lncRNAs与Exo-LT组中差异表达的lncRNAs相交，产生了31个与这些miRNAs配对的lncRNAs。最后，根据mRNA-miRNA对和miRNA-lncRNA对，用Cytoscape(2.8.2版)构建了Exo-LT的ceRNA网络(图11)。整个过程的流程图见图14。

同样，使用TargetScan和miRDB数据库也预测了表2所列的mRNAs上游的、与细胞增殖和脂肪生成有关的miRNAs。之后，用相同的阈值标准对两个数据库预测的miRNAs进行筛选，然后将筛选出的miRNAs与Exo-LT中差异表达的miRNAs进行交集。此外，以上述同样的方式获得与这些miRNAs配对的lncRNAs，并构建基于与细胞增殖和脂肪生成相关的mRNAs的ceRNA网络。

在与细胞增殖相关的ceRNA网络中，PBX1、CD47、RARA、SHC1和IFNA8的mRNAs水平在Exo-LT组都被上调。此外，在与这5个mRNAs配对的15个miRNAs中，有11个在Exo-LT组下调(hsa-let-7c-5p,hsa-let-7e-5p,hsa-let-7f-5p,hsa-let-7g-5p,hsa-let-7i-5p,hsa-miR-98-5p,hsa-miR-16-5p,hsa-miR-27a-3p,hsa-miR-27b-3p,hsa-miR-218-5p,和hsa-miR-186-5p)，而4个miRNAs

(hsa-let-7a-5p,hsa-let-7b-5p,hsa-let-7d-5p,和hsa-miR-195-5p)在Exo-LT组被向下调控。随后，预测了44个上游lncRNAs，其中HOXA11-AS在Exo-LT组明显上调(图12)。

在与脂肪生成有关的ceRNA网络中，mRNAs VAPB、SOCS2、TF和SOCS2在Exo-LT组中都被下调了。此外，在与这4个mRNAs配对的13个miRNAs中，6个miRNAs(hsa-miR-222-3p,hsa-miR-221-3p,hsa-miR-27a-3p,hsa-miR-27b-3p,hsa-miR-16-5p,和hsa-miR-152-3p)在Exo-LT组被上调、而7个miRNAs(hsa-miR-143-3p,hsa-miR-148a-3p,hsa-miR-148b-3p,hsa-miR-24-3p,hsa-miR-378c,hsa-miR-378i,andhsa-miR-195-5p)在Exo-LT组中下调。此后，预测了43个上游lncRNAs，其中HOXA11-AS在Exo-LT组明显上调(图13)。分析过程的流程图见图14。

最后，我们通过PCR对测序结果中显著差异表达的lncRNA以及mRNA进行验证，发现PCR结果与测序结果相吻合。在lncRNA的PCR结果中，SNHG1，SNHG12，YLPM1，TTN-AS1以及SNHG16在脂肪瘤组织中表达显著上调，而MCM3AP-AS1和HOXA11-AS在脂肪瘤组织中表达显著下调(图15)。在mRNA的PCR结果中，PBX1，RARA以及SKP1在脂肪瘤组织中表达显著下调，而CD47在脂肪瘤组织中表达显著上调(图16)。

综上所述，本发明利用高通量测序技术建立了lncRNA、miRNA和mRNA在Exo-LT和Exo-AT中的基因谱，并确定了在Exo-LT中显著差异表达的mRNA，之后在GO富集和KEGG通路分析结果中筛选出与细胞增殖和脂肪生成相关的mRNA，通过结合使用Targetscan，miRDB以及Starbase数据库预测出目标mRNA的上游miRNA以及lncRNA，完成Exo-LT中的ceRNA网络构建。

最后，PCR体外验证结果显示lncRNASNHG1，SNHG12，YLPM1，TTN-AS1以及SNHG16在脂肪瘤组织中表达显著上调，而lncRNAMCM3AP-AS1和HOXA11-AS在脂肪瘤组织中表达显著下调。以上lncRNA可能解释了Exo-LT和Exo-AT在促进ADSCs的脂肪生成方面没有显著差异，但Exo-LT比Exo-AT有更强的促进ADSCs增殖和迁移能力的原因。同时，我们也对脂肪瘤组织和脂肪组织的鉴别提供了新的方法。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。