长非编码RNA研究进展

长非编码RNA是指一类长度大于200个核苷酸、不编码蛋白质的非编码RNA.越来越多的研究表明,人类基因组中高达90%的非编码蛋白质的区段同样具有重要作用,而不是所谓的"转录噪声".针对长非编码RNA的功能研究表明,其在转录起始的调控、转录及转录后的调控中均发挥着重要作用,因而影响着各种各样的生物学过程.本综述围绕近几年长非编码RNA的研究成果,总结了长非编码RNA的起源与进化、新型的长非编码RNA类型、典型的长非编码RNA作用机制以及长非编码RNA在发育与细胞重编程过程中的研究,同时也概述了长非编码RNA与表观遗传调控和癌症的关系以及长非编码RNA研究的相关技术.系统发现长非编码RNA并阐明其功能机制,将对现代生命科学具有重大的意义.     

长链非编码RNA在心血管疾病发病中的研究进展

心血管疾病是一种威胁人类,特别是中老年人健康的常见疾病。每年死于心血管疾病的人数位居全球榜首。长链非编码RNA是长度大于200个核苷酸且不编码蛋白质的RNA,也是体内表达数量最多的RNA。越来越多的研究发现长链非编码RNA在心血管疾病的发生、发展中有重要的调节作用。本文将就长链非编码RNA和心血管疾病的最新研究进展进行综述。     

非编码长链RNA与基因表达调控

近年来,在小鼠全长cDNA文库大规模测序中发现一类新的转录物——非编码长链RNA(long noncoding RNA,lncRNA),引起了科学界的关注.lncRNA长度大于200个核苷酸,无蛋白质编码功能,在真核细胞基因组中被普遍转录.lncRNA种类繁多,数量庞大,占哺乳动物基因组转录物的绝大部分.相对于研究较多的非编码小RNA,lncRNA的功能目前尚不完全清楚.但越来越多的研究发现,lncRNA在多个水平调控基因的表达,在胚胎发育、物种进化、细胞分化和某些疾病如神经退行性疾病及肿瘤的发生过程中起着重要作用.本文在简要介绍lncRNA基本概念的基础上,结合当前研究成果,就lncRNA在转录水平、转录后水平和表观遗传水平调控基因表达的机制作一综述.     

探索长非编码RNA在哺乳动物细胞中的功能秘密

近年来,越来越多的长非编码RNA在不同的物种中被相继发现。该文总结了相关领域的最新研究进展,对长非编码RNA在表观遗传学调控、转录调控、microRNA网络调控、细胞核亚结构等方面的功能机制以及其与多种疾病的发生关联进行了简要的总结。     

Emerging Roles of MicroRNAs and Long Noncoding RNAs in Cadmium Toxicity

Biological Trace Element Research - Metal cadmium (Cd) and its compounds are ubiquitous industrial and environmental pollutants and they have been believed to exert severe damage to multiple organs...     

长链非编码RNA作为潜在药物靶点的研究进展

随着生命科学的不断发展,2012年DNA元件百科全书（ENCODE）项目进一步丰富了人类基因组功能元件的相关信息。该项目 发现人类基因组超过80%的序列会被转录,其中大部分转录本是非编码RNA（ncRNA）。目前,在这些非编码RNA中,小RNA的研究 相对深入,而长链非编码RNA（lncRNA）的研究相对较少。越来越多研究表明,很多lncRNA参与到人类重大疾病的发生、发展过程之 中,并且一些动物实验证实lncRNA可作为药物靶点。因此,从lncRNA角度筛选新的药物靶点也越来越受到研究者的关注。重点总结了 lncRNA的生物学功能及作为潜在药物靶点的研究进展。     

A Computational Framework to Infer Human Disease-Associated Long Noncoding RNAs

As a major class of noncoding RNAs, long noncoding RNAs (lncRNAs) have been implicated in various critical biological processes. Accumulating researches have linked dysregulations and mutations of lncRNAs to a variety of human disorders and diseases. However, to date, only a few human lncRNAs have been associated with diseases. Therefore, it is very important to develop a computational method to globally predict potential associated diseases for human lncRNAs. In this paper, we developed a computational framework to accomplish this by combining human lncRNA expression profiles, gene expression profiles, and human disease-associated gene data. Applying this framework to available human long intergenic noncoding RNAs (lincRNAs) expression data, we showed that the framework has reliable accuracy. As a result, for non-tissue-specific lincRNAs, the AUC of our algorithm is 0.7645, and the prediction accuracy is about 89%. This study will be helpful for identifying novel lncRNAs for human diseases, which will help in understanding the roles of lncRNAs in human diseases and facilitate treatment. The corresponding codes for our method and the predicted results are all available at http://asdcd.amss.ac.cn/MingXiLiu/lncRNA-disease.html.