真核生物rRNA基因的转录调节

核糖体RNA(rRNA）基因的转录直接决定着细胞核糖体的生物发生,而后者与细胞的生长、增殖等行为相适应.研究发现,rRNA基因转录以RNA聚合酶Ⅰ（Pol Ⅰ）为核心,有多种因子参与,并受到多种调控因子的严密调节控制;各调控因子不仅均有自己特异的作用位点,而且又彼此关联、相辅相成.本文在简要介绍真核生物rRNA基因转录基本过程与涉及的主要因子的基础上,重点阐述了rRNA基因转录的主要调节方式,包括ERK、mTOR和JNK等信号转导通路对转录因子磷酸化的影响;转录因子的乙酰化;细胞周期相关因子和其它因子的多种作用方式等. 概括起来看,真核生物rRNA基因转录调节的核心机制是调节转录因子间及转录因子与DNA间的相互作用或影响染色质结构,从而实现对rRNA基因转录的调控,以满足特定生理/病理状况下细胞对rRNA量的要求.     

肝癌细胞HepG2中增强子的识别及生物信息学分析

目的:整合增强子特征识别肝癌细胞HepG2增强子,并对其保守性、GC含量、转录因子调控、靶基因功能等进行分析,以期解析肝癌细胞增强子参与的调控网络。方法:通过整合H3K27ac、H3K4me1和H3K4me3组蛋白修饰及DNaseⅠ高敏位点的Chip-seq数据预测HepG2中的增强子,计算每个增强子的平均Phast Cons分数和GC含量,评估整体增强子的保守性与GC含量,整合ENCODE转录因子结合位点数据寻找转录因子-增强子调控,使用GREAT和DAVID分别对增强子和增强子的靶基因进行GO与KEGG通路功能富集分析。结果:共识别2254个肝细胞癌增强子,1432个增强子靶基因,135个转录因子的9983个增强子结合位点;比较随机位点靶基因,发现增强子显著正调控靶基因的表达;保守性与GC含量分析表明增强子具有显著高的保守性与GC含量,并存在C-T/C-T/C-T-G模式的motif;增强子功能分析显示增强子显著富集于蛋白结合、酶结合、转录因子结合、RNA聚合酶Ⅱ结合等已知增强子功能,增强子GO与KEGG通路功能富集分析表明增强子靶基因显著参与细胞增殖、细胞凋亡、细胞周期调控和细胞迁移等肿瘤相关的生物进程与信号通路。结论:识别的肝细胞癌增强子具有显著高的保守性与GC含量,受多种转录因子调控,对其靶基因起正调控作用并且显著富集于肿瘤相关生物学进程与信号通路中。     

植物种子特异基因调控网络研究

通过比较种子植物与蕨类植物的基因及其调控网络,为研究种子性状出现的分子机制提供更多的信息.下载拟南芥(Arabidopsis thaliana)种子特异基因和基因网络数据,构建拟南芥种子特异基因调控网络,并与江南卷柏(Selaginella moellendorffii)基因组数据比较,发现其中重要的调控节点.分析得到构成调控网络的1053个拟南芥种子特异基因,其中的969个基因形成一个复杂的调控网络.该网络的核心模块包括39个基因,形成哑铃状的子网络,其中重要节点基因AT1G54860只存在于种子植物基因组中.AT1G54860基因编码GPI锚定蛋白,参与细胞壁的形成、细胞间信号传导及生长分化等过程,推测其在种子形成中具有重要地位,可能起了"开关"的作用.     

从酵母表达时间序列估计基因调控网络

基因调控网络是生命功能在基因表达层面上的展现。用组合线性调控模型、调控元件识别和基因聚类等方法 ,从基因组表达谱解读酵母在细胞周期与环境胁迫中的基因调控网络。结果表明 ,细胞在不同环境条件下会调整基因调控网络。在适应的环境下 ,起主要作用的是细胞生长和增殖有关的基因调控网络 ;而在响应环境胁迫时 ,细胞会再规划调控网络 ,抑制细胞生长和增殖相关的基因 ,诱导跟适应性糖类代谢与结构修复相关的基因 ,还可能启动减数分裂产生孢子。分别从细胞周期和环境胁迫响应相关基因中 ,搜索到转录因子Mcm1结合位点TT CC T GGAAA ,和Dal82在尿囊素代谢途径相关基因上的结合位点TGAAAAWTTT。从而 ,从酵母表达时间序列估计基因调控网络是可行的 ,与至今已知的实验观察相当吻合     

结合基因表达数据和ChIP-chip数据的酵母转录调控模块的识别

活细胞依赖其众多的转录调控模块来实现复杂的生物功能,识别转录调控模块对深入理解细胞的功能及其转录机制有着重要的意义。本文结合酵母基因表达数据和ChIP-chip数据,提出了一种转录调控模块识别算法。该算法通过采用不同的P值阈值分别得到了核心集和粗糙集,然后对核心集和粗糙集进行判别,最后对基因进行扩展之后得到基因转录调控模块。将该算法运用到两个酵母基因表达数据中,得到了一些具有显著生物学意义的基因转录调控模块。与其它算法相比,该算法不仅可以识别含有较多基因的转录调控模块,而且可以识别一些其它算法不能识别的基因转录调控模块。识别得到的基因转录调控模块有着不同的生物学功能,并且有助于进一步理解酵母的转录调控机制。     

北京中医药大学中药学院

转录因子是能够结合某基因上游特异核苷酸序列上的蛋白质,活化后从胞质转位至胞核,通过识别和结合基因启动子区的顺式作用元件,启动和调控基因表达。真核生物在转录水平上的基因表达调控,影响和控制着细胞和生物个体的许多生物学过程。本文综述了转录因子的结构、分类以及其在植物干旱胁迫中发挥的作用。     

产电微生物基因调控网络的构建和特异性通路分析

研究产电微生物胞外电子传递过程和机制,发现与产电效率相关的关键基因、通路和代谢物,是微生物燃料电池研究中的关键技术。为了发现在胞外电子传递过程中起到关键作用的基因以及通路,首先利用比较基因组学的方法,以模式微生物大肠杆菌和同属希瓦氏菌的其他菌株为参考,构建了Shewanella.onedensis MR-1的全基因组基因转录调控网络,大大扩展了目前已知的基因调控关系。然后以此网络为基础,结合基于蛋白质相互作用分析得到的胞外电子传递通路,构建了与胞外电子传递直接传递密切相关的细胞色素C编码基因及其相关调控基因构成的子网络,结合全基因组基因表达数据,研究了特异性条件下胞外电子传递的可能通路和基因调控过程。     

基于生物信息学方法识别非小细胞肺癌(NSCLC)潜在治疗靶基因

本研究运用生物信息学方法识别非吸烟女性非小细胞肺癌(NSCLC)潜在的靶基因,并从分子水平探索其潜在的发病机制。从GEO数据库下载非吸烟女性非小细胞肺癌相关基因芯片数据集,经癌症组和癌旁对照组差异表达基因识别,并利用R软件对差异基因进行层次聚类分析,DAVID进行基因本体(gene ontology)和KEGG通路富集分析,STRING和Cytoscape软件构建蛋白-蛋白交互(PPI)网络,以及运用PASTAA分析,识别NSCLC相关转录因子,构建转录因子-基因共表达网络。结果表明,185个基因在NSCLC中差异表达,其中40个上调,145个下调;通过PASTAA分析识别出5个NSCLC基因相关转录因子。差异基因与胶原分解代谢过程、炎症反应的正调控等生物过程密切相关,基因的产物主要参与蛋白质细胞外基质、胶原三聚体等细胞组分,且主要发挥调节金属内肽酶活性、肝素结合和调节受体活性等分子功能;KEGG通路富集分析表明差异基因显著富集到胞外基质-受体信号通路、粘着斑信号通路、PPAR信号通和PI3K-Akt信号通路等,与非小细胞肺癌的发生发展密切相关。通过生物信息学方法,最终筛选到4个NSCLC关键基因:IL6、MMP1、COL1A1、CD36,其可能是非吸烟女性NSCLC潜在的治疗靶点。     

MyoD相关非编码RNA调控骨骼肌生长发育的研究进展

骨骼肌的生长发育是一个受多种功能性因子调控的精密网络过程,其中MyoD是一种骨骼肌特异性转录因子,能够识别并启动骨骼肌特异基因的转录。非编码RNA是一类具有多种生物功能但不能编码蛋白质的RNA。现就目前与MyoD协同作用,共同参与肌细胞增殖、分化、融合等过程的非编码RNA及其作用机制进行综述,以期为阐明与MyoD相关非编码RNA的作用机制提供理论参考。     

基因表达时间延迟调控关系识别软件ITdGR

基因表达调控网络的深入研究有利于分子药物靶标的发现以及推新药的研发,是未来生物医学研究的重要内容。针对基因表达调控的时间延迟问题,我们初步设计开发了一套基于基因表达谱数据识别基因表达时间延迟调控关系的软件ITdGR(Identification of Time-delayed Gene Regulations)。并已经成功地将该软件应用于酿酒酵母细胞周期的基因表达谱数据中,识别出的调控关系与已有的知识相符。该软件为基因调控网络重构以及基因表达动态研究提供了一个方便和快捷的工具。     

RASSF1A对黑色素瘤A375细胞基因网络的影响

RASSF1A(Ras association domain family 1 isoform A)是定位于染色体3p21.3区域的抑瘤基因,编码一个由340个氨基酸残基构成的微管相关蛋白.该基因在包括恶性黑色素瘤在内的多种肿瘤中因启动子高甲基化而表达沉默.本研究建立了RASSF1A稳定表达的恶性黑色素瘤A375细胞系,通过全基因组表达谱基因芯片分析RASSF1A过表达对A375细胞基因表达谱的影响,发现RASSF1A引起184个基因表达上调,26个基因表达下调.通过Realtime RT-PCR对部分差异表达基因进行验证,结果表明与芯片筛选结果一致.RASSF1A影响的差异表达基因功能上归属于细胞生长与增殖、细胞周期、细胞凋亡、细胞间黏附、信号传导等生物过程.采用STRING软件构建了RASSF1A影响的差异表达基因调控网络,结果表明RASSF1A调控的差异表达基因构成一个高连接度的基因网络.其中,炎症细胞因子、转录因子位于网络中央.RASSF1A通过影响炎症细胞因子与转录因子之间的表达,影响A375细胞基因网络,调节黑色素瘤恶性生物学行为.     

The Use of Chemostats in Microbial Systems Biology

Cells regulate their rate of growth in response to signals from the external world. As the cell grows, diverse cellular processes must be coordinated including macromolecular synthesis, metabolism and ultimately, commitment to the cell division cycle. The chemostat, a method of experimentally controlling cell growth rate, provides a powerful means of systematically studying how growth rate impacts cellular processes - including gene expression and metabolism - and the regulatory networks that control the rate of cell growth. When maintained for hundreds of generations chemostats can be used to study adaptive evolution of microbes in environmental conditions that limit cell growth. We describe the principle of chemostat cultures, demonstrate their operation and provide examples of their various applications. Following a period of disuse after their introduction in the middle of the twentieth century, the convergence of genome-scale methodologies with a renewed interest in the regulation of cell growth and the molecular basis of adaptive evolution is stimulating a renaissance in the use of chemostats in biological research.     

Reconstruction of Gene Regulatory Networks Based on Two-Stage Bayesian Network Structure Learning Algorithm

In the post-genomic biology era,the reconstruction of gene regulatory networks from microarray gene expression data isvery important to understand the underlying biological system,and it has been a challenging task in bioinformatics.TheBayesian network model has been used in reconstructing the gene regulatory network for its advantages,but how to determinethe network structure and parameters is still important to be explored.This paper proposes a two-stage structure learning algorithmwhich integrates immune evolution algorithm to build a Bayesian network.The new algorithm is evaluated with the use ofboth simulated and yeast cell cycle data.The experimental results indicate that the proposed algorithm can find many of theknown real regulatory relationships from literature and predict the others unknown with high validity and accuracy.