Дифференциальная экспрессия циклических РНК во фронтальной коре мозга крыс в условиях ишемии-реперфузии

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Циклические РНК (циклоРНК) – ковалентно замкнутые некодирующие РНК, обладающие повышенной метаболической стабильностью и способные к регуляции экспрессии генов. ЦиклоРНК рассматриваются как потенциальные биомаркеры и мишени терапии для различных заболеваний, в том числе для ишемического инсульта. Модель обратимой окклюзии правой средней мозговой артерии (tMCAO) активно используется в транскриптомике инсульта. В настоящей работе с помощью полногеномного РНК-секвенирования мы изучили профиль экспрессии циклоРНК в участке фронтальной коры мозга крыс через 24 ч после tMCAO. Мы идентифицировали 64 дифференциально экспрессированных циклоРНК (кратность изменения > 1,5; Padj < 0,05), которые преимущественно повысили свой уровень экспрессии относительно ложнооперированных животных. По данным МРТ, изучаемый участок фронтальной коры включал зону пенумбры, выживание клеток в которой имеет важное значение для восстановления после инсульта. Также, используя ранее полученные нами данные о дифференциальной экспрессии мРНК в данной области мозга, мы биоинформатически спрогнозировали регуляторные сети циклоРНК–микроРНК–мРНК. Функциональный анализ данных сетей показал, что гены, экспрессия которых может зависеть от активности циклоРНК при ишемии, ответственны за синаптическую передачу сигналов и воспалительную реакцию. Наше исследование показывает значимую роль циклоРНК-опосредованной регуляции транскриптома в ассоциированной с пенумброй области мозга при ишемии и позволяет рассматривать циклоРНК как потенциальные мишени для новых стратегий терапии инсульта и постинсультных осложнений.

Полный текст

Доступ закрыт

Об авторах

И. В. Мозговой

Национальный исследовательский центр «Курчатовский институт»

Email: filippenkov-ib.img@yandex.ru
Россия, 123182 Москва

Я. Ю. Шпетко

Национальный исследовательский центр «Курчатовский институт»

Email: filippenkov-ib.img@yandex.ru
Россия, 123182 Москва

А. Е. Денисова

Российский национальный исследовательский медицинский университет им. Н.И. Пирогова

Email: filippenkov-ib.img@yandex.ru
Россия, 117997 Москва

В. В. Ставчанский

Национальный исследовательский центр «Курчатовский институт»

Email: filippenkov-ib.img@yandex.ru
Россия, 123182 Москва

М. А. Виноградина

Национальный исследовательский центр «Курчатовский институт»

Email: filippenkov-ib.img@yandex.ru
Россия, 123182 Москва

Л. В. Губский

Российский национальный исследовательский медицинский университет им. Н.И. Пирогова; Федеральный центр мозга и нейротехнологий ФМБА РФ

Email: filippenkov-ib.img@yandex.ru
Россия, 117997 Москва; 117513 Москва

Л. В. Дергунова

Национальный исследовательский центр «Курчатовский институт»

Email: filippenkov-ib.img@yandex.ru
Россия, 123182 Москва

С. А. Лимборская

Национальный исследовательский центр «Курчатовский институт»

Email: filippenkov-ib.img@yandex.ru
Россия, 123182 Москва

И. Б. Филиппенков

Национальный исследовательский центр «Курчатовский институт»

Автор, ответственный за переписку.
Email: filippenkov-ib.img@yandex.ru
Россия, 123182 Москва

Список литературы

  1. Абрамов А. Ю., Муравьева А. А., Михайлова Ю. В, Стерликов С. А. (2023) Заболеваемость цереброваскулярными болезнями в Российской Федерации в 2010-2022 годах, Казан. Мед. Журн., 104, 915-926, https://doi.org/10.17816/KMJ546013.
  2. Pu, L., Wang, L., Zhang, R., Zhao, T., Jiang, Y., and Han, L. (2023) Projected global trends in ischemic stroke incidence, deaths and disability-adjusted life years from 2020 to 2030, Stroke, 54, 1330-1339, https://doi.org/10.1161/STROKEAHA.122.040073.
  3. Shin, T. H., Lee, D. Y., Basith, S., Manavalan, B., Paik, M. J., Rybinnik, I., Mouradian, M. M., Ahn, J. H., and Lee, G. (2020) Metabolome changes in cerebral ischemia, Cells, 9, 1630, https://doi.org/10.3390/CELLS9071630.
  4. Qin, C., Yang, S., Chu, Y. H., Zhang, H., Pang, X. W., Chen, L., Zhou, L. Q., Chen, M., Tian, D. S., and Wang, W. (2022) Signaling pathways involved in ischemic stroke: molecular mechanisms and therapeutic interventions, Signal Transduct. Target. Ther., 7, 215, https://doi.org/10.1038/s41392-022-01064-1.
  5. Dergunova, L. V., Filippenkov, I. B., Stavchansky, V. V., Denisova, A. E., Yuzhakov, V. V., Mozerov, S. A., Gubsky, L. V., and Limborska, S. A. (2018) Genome-wide transcriptome analysis using RNA-Seq reveals a large number of differentially expressed genes in a transient MCAO rat model, BMC Genom., 19, 655, https://doi.org/10.1186/S12864-018-5039-5.
  6. Shi, J., Chen, X., Li, H., Wu, Y., Wang, S., Shi, W., Chen, J., and Ni, Y. (2017) Neuron-autonomous transcriptome changes upon ischemia/reperfusion injury, Sci. Rep., 7, 5800, https://doi.org/10.1038/s41598-017-05342-9.
  7. Salviano-Silva, A., Lobo-Alves, S. C., de Almeida, R. C., Malheiros, D., and Petzl-Erler, M. L. (2018) Besides pathology: long non-coding RNA in cell and tissue homeostasis, Noncoding RNA, 4, 3, https://doi.org/10.3390/NCRNA4010003.
  8. Lekka, E., and Hall, J. (2018) Noncoding RNAs in disease, FEBS Lett., 592, 2884, https://doi.org/10.1002/1873-3468.13182.
  9. Zhou, M., Li, S., and Huang, C. (2024) Physiological and pathological functions of circular RNAs in the nervous system, Neural. Regen. Res., 19, 342, https://doi.org/10.4103/1673-5374.379017.
  10. Filippenkov, I. B., Sudarkina, O. Y., Limborska, S. A., and Dergunova, L. V. (2018) Multi-step splicing of sphingomyelin synthase linear and circular RNAs, Gene, 654, 14-22, https://doi.org/10.1016/J.GENE.2018.02.030.
  11. Lasda, E., and Parker, R. (2014) Circular RNAs: diversity of form and function, RNA, 20, 1829-1842, https://doi.org/10.1261/RNA.047126.114.
  12. Kristensen, L. S., Andersen, M. S., Stagsted, L. V. W., Ebbesen, K. K., Hansen, T. B., and Kjems, J. (2019) The biogenesis, biology and characterization of circular RNAs, Nat. Rev. Genet., 20, 675-691, https://doi.org/10.1038/s41576-019-0158-7.
  13. Zhang, L., Liu, Y., Tao, H., Zhu, H., Pan, Y., Li, P., Liang, H., Zhang, B., and Song, J. (2021) Circular RNA CircUBE2J2 acts as the sponge of microRNA-370-5P to suppress hepatocellular carcinoma progression, Cell Death Dis., 12, 985, https://doi.org/10.1038/s41419-021-04269-4.
  14. Yifan, D., Jiaheng, Z., Yili, X., Junxia, D., and Chao T. (2025) CircRNA: a new target for ischemic stroke, Gene, 933, 148941, https://doi.org/10.1016/j.gene.2024.148941.
  15. Liu, C., Zhang, C., Yang, J., Geng, X., Du, H., Ji, X., and Zhao, H. (2017) Screening circular RNA expression patterns following focal cerebral ischemia in mice, Oncotarget, 8, 86535, https://doi.org/10.18632/ONCOTARGET.21238.
  16. Lin, S. P., Ye, S., Long, Y., Fan, Y., Mao, H. F., Chen, M. T., and Ma, Q. J. (2016) Circular RNA expression alterations are involved in OGD/R-induced neuron injury, Biochem. Biophys. Res. Commun., 471, 52-56, https://doi.org/10.1016/J.BBRC.2016.01.183.
  17. Duan, X., Li, L., Gan, J., Peng, C., Wang, X., Chen, W., and Peng, D. (2019) Identification and functional analysis of circular RNAs induced in rats by middle cerebral artery occlusion, Gene, 701, 139-145, https://doi.org/10.1016/ J.GENE.2019.03.053.
  18. Chen, W., Wang, H., Feng, J., and Chen, L. (2020) Overexpression of CircRNA CircUCK2 attenuates cell apoptosis in cerebral ischemia-reperfusion injury via MiR-125b-5p/GDF11 signaling, Mol. Ther. Nucleic. Acids, 22, 673-683, https://doi.org/10.1016/j.omtn.2020.09.032.
  19. Wu, F., Han, B., Wu, S., Yang, L., Leng, S., Li, M., Liao, J., Wang, G., Ye, Q., Zhang, Y., Chen, H., Chen, X., Zhong, M., Xu, Y., Liu, Q., Zhang, J. H., and Yao, H. (2019) Circular RNA TLK1 aggravates neuronal injury and neurological deficits after ischemic stroke via MiR-335-3p/TIPARP, J. Neurosci., 39, 7369-7393, https://doi.org/10.1523/ JNEUROSCI.0299-19.2019.
  20. Bai, Y., Zhang, Y., Han, B., Yang, L., Chen, X., Huang, R., Wu, F., Chao, J., Liu, P., and Hu, G. (2018) Circular RNA DLGAP4 Ameliorates Ischemic Stroke Outcomes by Targeting MiR-143 to regulate endothelial-mesenchymal transition associated with blood-brain barrier integrity, J. Neurosci., 38, 32-50, https://doi.org/10.1523/ JNEUROSCI.1348-17.2017.
  21. Dai, Q., Ma, Y., Xu, Z., Zhang, L., Yang, H., Liu, Q., and Wang, J. (2021) Downregulation of circular RNA HECTD1 induces neuroprotection against ischemic stroke through the microRNA-133b/TRAF3 pathway, Life Sci., 264, 118626, https://doi.org/10.1016/j.lfs.2020.118626.
  22. Han, B., Zhang, Y., Zhang, Y., Bai, Y., Chen, X., Huang, R., Wu, F., Leng, S., Chao, J., and Zhang, J. H. (2018) Novel insight into circular RNA HECTD1 in astrocyte activation via autophagy by targeting MIR142-TIPARP: implications for cerebral ischemic Stroke, Autophagy, 14, 1164-1184, https://doi.org/10.1080/15548627. 2018.1458173.
  23. Filippenkov, I. B., Stavchansky, V. V., Denisova, A. E., Valieva, L. V., Remizova, J. A., Mozgovoy, I. V., Zaytceva, E. I., Gubsky, L. V., Limborska, S. A., and Dergunova, L. V. (2021) Genome-wide RNA-sequencing reveals massive circular RNA expression changes of the neurotransmission genes in the rat brain after ischemia-reperfusion, Genes (Basel), 12, 1870, https://doi.org/10.3390/GENES12121870.
  24. Filippenkov, I. B., Shpetko, Y. Yu., Stavchansky, V. V., Denisova, A. E., Gubsky, L. V., Andreeva, L. A., Myasoedov, N. F., Limborska, S. A., and Dergunova, L. V. (2024) ACTH-like peptides compensate rat brain gene expression profile disrupted by ischemia a day after experimental stroke, Biomedicines, 12, 2830, https://doi.org/10.3390/BIOMEDICINES12122830.
  25. Koizumi, J., Yoshida, Y., Nakazawa, T., and Ooneda, G. (1986) Experimental studies of ischemic brain edema. A new experimental model of cerebral embolism in rats in which recirculation can be introduced in the ischemic area, Japan. J. Stroke, 8, 1-8, https://doi.org/10.3995/JSTROKE.8.1.
  26. Filippenkov, I. B., Remizova, J. A., Denisova, A. E., Stavchansky, V. V., Golovina, K. D., Gubsky, L. V., Limborska, S. A., and Dergunova, L. V. (2022) Comparative use of contralateral and sham operated controls reveals traces of a bilateral genetic response in the rat brain after focal stroke, Int. J. Mol. Sci., 23, 7308, https://doi.org/10.3390/IJMS23137308/S1.
  27. Langmead, B., Wilks, C., Antonescu, V., Charles, R. (2019) Scaling read aligners to hundreds of threads on general-purpose processors, Bioinformatics, 35, 421-432, https://doi.org/10.1093/bioinformatics/bty648.
  28. Izuogu, O. G., Alhasan, A. A., Alafghani, H. M., Santibanez-Koref, M., Elliott, D. J., and Jackson, M. S. (2016) PTESFinder: a computational method to identify post-transcriptional exon shuffling (PTES) events, BMC Bioinform., 17, 31, https://doi.org/10.1186/s12859-016-0881-4.
  29. Love, M. I., Huber, W., and Anders, S. (2014) Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2, Genome Biol., 15, 550, https://doi.org/10.1186/s13059-014-0550-8.
  30. Pfaffl, M. W., Horgan, G. W., and Dempfle, L. (2002) Relative expression software tool (REST) for group-wise comparison and statistical analysis of relative expression results in real-time PCR, Nucleic Acids Res., 30, e36, https://doi.org/10.1093/NAR/30.9.E36.
  31. Enright, A. J., John, B., Gaul, U., Tuschl, T., Sander, C., and Marks, D. S. (2003) MicroRNA targets in Drosophila, Genome Biol., 5, R1, https://doi.org/10.1186/GB-2003-5-1-R1.
  32. Krüger, J., and Rehmsmeier, M. (2016) RNAhybrid: microRNA target prediction easy, fast and flexible, Nucleic Acids Res., 34, W451-4, https://doi.org/10.1093/NAR/GKL243.
  33. Lewis, B. P., Burge, C. B., and Bartel, D. P. (2005) Conserved seed pairing, often flanked by adenosines, indicates that thousands of human genes are microRNA targets, Cell, 120, 15-20, https://doi.org/10.1016/j.cell. 2004.12.035.
  34. Kozomara, A., Birgaoanu, M., and Griffiths-Jones, S. (2019) miRBase: from microRNA sequences to function, Nucleic Acids Res., 47, D155-D162, https://doi.org/10.1093/nar/gky1141.
  35. Marín, R. M., and Vaníek, J. (2011) Efficient use of accessibility in microRNA target prediction, Nucleic Acids Res., 39, 19, https://doi.org/10.1093/NAR/GKQ768.
  36. Sherman, B. T., Hao, M., Qiu, J., Jiao, X., Baseler, M. W., Lane, H. C., Imamichi, T., and Chang, W. (2022) DAVID: a web server for functional enrichment analysis and functional annotation of gene lists (2021 update), Nucleic Acids Res., 50, W216-W221, https://doi.org/10.1093/NAR/GKAC194.
  37. Bardutzky, J., Shen, Q., Henninger, N., Schwab, S., Duong, T. Q., and Fisher, M. (2007) Characterizing tissue fate after transient cerebral ischemia of varying duration using quantitative diffusion and perfusion imaging, Stroke, 38, 1336-1344, https://doi.org/10.1161/01.STR.0000259636.26950.3b.
  38. Ebinger, M., De Silva, D. A., Christensen, S., Parsons, M. W., Markus, R., Donnan, G. A., and Davis, S. M. (2009) Imaging the penumbra – strategies to detect tissue at risk after ischemic stroke, J. Clin. Neurosci., 16, 178-187, https://doi.org/10.1016/j.jocn.2008.04.002.
  39. Fisher, M., Feuerstein, G., Howells, D. W., Hurn, P. D., Kent, T. A., Savitz, S. I., and Lo, E. H. (2009) Update of the stroke therapy academic industry roundtable preclinical recommendations, Stroke, 40, 2244, https://doi.org/10.1161/STROKEAHA.108.541128.
  40. Friedrich, J., Lindauer, U., and Höllig, A. (2022) Procedural and methodological quality in preclinical stroke research-a cohort analysis of the rat MCAO model comparing periods before and after the publication of STAIR/ARRIVE, Front. Neurol., 13, 834003, https://doi.org/10.3389/FNEUR.2022.834003.
  41. Fisher, M. (1999) Recommendations for standards regarding preclinical neuroprotective and restorative drug development, Stroke, 30, 2752-2758, https://doi.org/10.1161/01.STR.30.12.2752.
  42. Zhang, Y., Liu, J., Su, M., Wang, X., and Xie, C. (2021) Exosomal microRNA-22-3p alleviates cerebral ischemic injury by modulating KDM6B/BMP2/BMF axis, Stem Cell Res. Ther., 12, 111, https://doi.org/10.1186/S13287-020-02091-X/.
  43. Filippenkov, I. B., Kolomin, T. A., Limborska, S. A., and Dergunova, L. V. (2018) Developmental stage-specific expression of genes for sphingomyelin synthase in rat brain, Cell Tissue. Res., 372, 33-40, https://doi.org/ 10.1007/s00441-017-2762-1.
  44. Filippenkov, I. B., Sudarkina, O. Y., Limborska, S. A., and Dergunova, L. V. (2015) Circular RNA of the human sphingomyelin synthase 1 gene: multiple splice variants, evolutionary conservatism and expression in different tissues, RNA Biol., 12, 1030-1042, https://doi.org/10.1080/15476286.2015.1076611.
  45. Jia, X., Sun, Y., Wang, T., Zhong, L., Deng, J., and Zhu, X. (2023) Mechanism of circular RNA-mediated regulation of L-DOPA to improve wet age-related macular degeneration, Gene, 861, 147247, https://doi.org/10.1016/ J.GENE.2023.147247.
  46. Ma, X., Wang, H., Ye, G., Zheng, X., and Wang, Y. (2024) Hsa_circ_0018401 and MiR-127-5p expressions are diagnostic and prognostic markers for traumatic brain injury (TBI) in trauma patients, Neuroscience, 545, 59-68, https://doi.org/10.1016/J.NEUROSCIENCE.2024.03.010.
  47. Zhang, X., Connelly, J., Levitan, E. S., Sun, D., and Wang, J. Q. (2021) Calcium/calmodulin-dependent protein kinase II in cerebrovascular diseases, Transl. Stroke Res., 12, 513-529, https://doi.org/10.1007/S12975-021-00901-9.
  48. McCullough, L. D., Tarabishy, S., Liu, L., Benashski, S., Xu, Y., Ribar, T., Means, A., and Li, J. (2013) Inhibition of calcium/calmodulin-dependent protein kinase kinase β and calcium/calmodulin-dependent protein kinase IV is detrimental in cerebral ischemia, Stroke, 44, 2559-2566, https://doi.org/10.1161/STROKEAHA. 113.001030.
  49. Ayuso, M. I., Martínez-Alonso, E., Regidor, I., and Alcázar, A. (2016) Stress granule induction after brain ischemia is independent of eukaryotic translation initiation factor (EIF) 2α phosphorylation and is correlated with a decrease in EIF4B and EIF4E proteins, J. Biol. Chem., 291, 27252-27264, https://doi.org/10.1074/JBC. M116.738989.
  50. Hao, M. Q., Xie, L. J., Leng, W., and Xue, R. W. (2019) Trim47 is a critical regulator of cerebral ischemia-reperfusion injury through regulating apoptosis and inflammation, Biochem. Biophys. Res. Commun., 515, 651-657, https://doi.org/10.1016/J.BBRC.2019.05.065.
  51. Pisignano, G., Michael, D. C., Visal, T. H., Pirlog, R., Ladomery, M., and Calin, G. A. (2023) Going circular: history, present, and future of circRNAs in cancer, Oncogene, 42, 2783-2800, https://doi.org/10.1038/s41388-023-02780-w.
  52. Liu, W., and Wang, X. (2019) Prediction of functional microRNA targets by integrative modeling of microRNA Binding and target expression data, Genome Biol., 20, 18, https://doi.org/10.1186/S13059-019-1629-Z.
  53. Lee, D., and Shin, C. (2012) MicroRNA-target interactions: new insights from genome-wide approaches, Ann. N. Y. Acad. Sci., 1271, 118, https://doi.org/10.1111/J.1749-6632.2012.06745.X.
  54. Selbach, M., Schwanhäusser, B., Thierfelder, N., Fang, Z., Khanin, R., and Rajewsky, N. (2008) Widespread changes in protein synthesis induced by microRNAs, Nature, 455, 58-63, https://doi.org/10.1038/NATURE07228.
  55. Friedman, R. C., Farh, K. K. H., Burge, C. B., and Bartel, D. P. (2009) Most mammalian mRNAs are conserved targets of microRNAs, Genome Res., 19, 92, https://doi.org/10.1101/GR.082701.108.
  56. Ma, Q., Li, G., Tao, Z., Wang, J., Wang, R., Liu, P., Luo, Y., and Zhao, H. (2019) Blood microRNA-93 as an indicator for diagnosis and prediction of functional recovery of acute stroke patients, J. Clin. Neurosci., 62, 121-127, https://doi.org/10.1016/j.jocn.2018.12.003.
  57. Icli, B., Wu, W., Ozdemir, D., Li, H., Cheng, H. S., Haemmig, S., Liu, X., Giatsidis, G., Avci, S. N., and Lee, N. (2019) MicroRNA-615-5p regulates angiogenesis and tissue repair by targeting Akt/ENOS (protein kinase B/endothelial nitric oxide synthase) signaling in endothelial cells, Arterioscler. Thromb. Vasc. Biol., 39, 1458-1474, https://doi.org/10.1161/ATVBAHA.119.312726.
  58. Theofilatos, K., Korfiati, A., Mavroudi, S., Cowperthwaite, M. C., and Shpak, M. (2019) Discovery of stroke-related blood biomarkers from gene expression network models, BMC Med. Genomics, 12, 118, https://doi.org/10.1186/S12920-019-0566-8.
  59. Zheng, T., Yang, J., Zhang, J., Yang, C., Fan, Z., Li, Q., Zhai, Y., Liu, H., and Yang, J. (2021) Downregulated microRNA-327 attenuates oxidative stress-mediated myocardial ischemia reperfusion injury through regulating the FGF10/Akt/Nrf2 signaling pathway, Front. Pharmacol., 12, 669146, https://doi.org/10.3389/FPHAR. 2021.669146.
  60. Alsbrook, D. L., Di Napoli, M., Bhatia, K., Biller, J., Andalib, S., Hinduja, A., Rodrigues, R., Rodriguez, M., Sabbagh, S. Y., and Selim, M. (2023) Neuroinflammation in acute ischemic and hemorrhagic stroke, Curr. Neurol. Neurosci. Rep., 23, 407-431, https://doi.org/10.1007/S11910-023-01282-2.
  61. Gugliandolo, A., Silvestro, S., Sindona, C., Bramanti, P., and Mazzon, E. (2021) MiRNA: involvement of the MAPK pathway in ischemic stroke. A promising therapeutic target, Medicina, 57, 1053, https://doi.org/10.3390/ MEDICINA57101053.
  62. Ye, J., Shan, Y., Zhou, X., Tian, T., and Gao, W. (2023) Identification of novel circular RNA targets in key penumbra region of rats after cerebral ischemia-reperfusion injury, J. Mol. Neurosci., 73, 751, https://doi.org/10.1007/S12031-023-02153-8.
  63. Nikbakhtzadeh, M., Bordbar, S., Seyedi, S., Ranjbaran, M., Ashabi, G., and Kheradmand, A. (2024) Significance of neurotransmitters in cerebral ischemia: understanding the role of serotonin, dopamine, glutamate, and GABA in stroke recovery and treatment, Cent. Nerv. Syst. Agents Med. Chem., 24, https://doi.org/10.2174/ 0118715249302594240801171612.
  64. Shen, Z., Xiang, M., Chen, C., Ding, F., Wang, Y., Shang, C., Xin, L., Zhang, Y., and Cui, X. (2022) Glutamate excitotoxicity: potential therapeutic target for ischemic stroke, Biomed. Pharmacother., 151, 113125, https://doi.org/10.1016/J.BIOPHA.2022.113125.
  65. Lai, T. W., Zhang, S., and Wang, Y. T. (2014) Excitotoxicity and stroke: identifying novel targets for neuroprotection, Prog. Neurobiol., 115, 157-188, https://doi.org/10.1016/J.PNEUROBIO.2013.11.006.
  66. Wang, F., Xie, X., Xing, X., and Sun, X. (2022) Excitatory synaptic transmission in ischemic stroke: a new outlet for classical neuroprotective strategies, Int. J. Mol. Sci., 23, 9381, https://doi.org/10.3390/IJMS23169381.
  67. Lv, W., Zhang, Q., Li, Y., Liu, D., Wu, X., He, X., Han, Y., Fei, X., Zhang, L., and Fei, Z. (2024) Homer1 ameliorates ischemic stroke by inhibiting necroptosis-induced neuronal damage and neuroinflammation, Inflamm. Res., 73, 131-144, https://doi.org/10.1007/S00011-023-01824-X.
  68. Gray, M., Nash, K. R., and Yao, Y. (2024) Adenylyl cyclase 2 expression and function in neurological diseases, CNS Neurosci. Ther., 30, e14880, https://doi.org/10.1111/CNS.14880.
  69. Dohovics, R., Janáky, R., Varga, V., Hermann, A., Saransaari, P., and Oja, S. S. (2003) Regulation of glutamatergic neurotransmission in the striatum by presynaptic adenylyl cyclase-dependent processes, Neurochem. Int., 42, 1-7, https://doi.org/10.1016/S0197-0186(02)00066-9.
  70. Allegra, A., Cicero, N., Tonacci, A., Musolino, C., and Gangemi, S. (2022) Circular RNA as a novel biomarker for diagnosis and prognosis and potential therapeutic targets in multiple myeloma, Cancers (Basel), 14, 1700, https://doi.org/10.3390/CANCERS14071700.
  71. Chen, L., and Shan, G. (2021) CircRNA in cancer: fundamental mechanism and clinical potential, Cancer Lett., 505, 49-57, https://doi.org/10.1016/J.CANLET.2021.02.004.
  72. Xu, Z., Yan, Y., Zeng, S., Dai, S., Chen, X., Wei, J., and Gong, Z. (2017) Circular RNAs: clinical relevance in cancer, Oncotarget, 9, 1444, https://doi.org/10.18632/ONCOTARGET.22846.
  73. Rybina, O. Y., and Pasyukova, E. G. (2004) Aging biomarkers in assessing the efficacy of geroprotective therapy: problems and prospects, Nanobiotechnol. Rep., 19, 318-328, https://doi.org/10.1134/S2635167624601104.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. RNA-Seq-анализ дифференциальной экспрессии циклоРНК во фронтальной коре мозга крыс через 24 ч после tMCAO. а – Общее число аннотированных циклоРНК показано в сером круге; количество ДЭЦ, повысивших и понизивших уровень в сравнении «ИР против ЛО» (кратность > 1,5; Padj < 0,05), обозначено белым и черным секторами круга соответственно. б – График рассеяния (volcano plot) результатов RNA-Seq. в – Первые 10 ДЭЦ, показавшие наибольшее изменение экспрессии в сравнении «ИР против ЛО» (5 показавших наибольшее повышение экспрессии и 5 показавших наибольшее снижение экспрессии). г – ПЦР-верификация результатов RNA-Seq. Каждая группа сравнения данных ПЦР включает по 5 животных; каждая группа сравнения данных РНК-секвенирования включает по 3 животных; символами «*» и «#» отмечены статистически достоверные результаты по данным RNA-Seq и ПЦР соответственно. NRs – нормализованное количество прочтений RNA-Seq; ΔCt = Ct(tar) – Ct(ref), где Ct(tar) – средняя величина Ct для исследуемых циклоРНК и Ct(ref) – средняя величина Ct для мРНК гена сравнения (Gapdh); группа «ИР» – крысы были декапитированы через 24 ч после tMCAO; группа «ЛО» – крысы были декапитированы через 24 ч после ложной операции

Скачать (515KB)
Метаданные
3. Рис. 2. Анализ структуры циклоРНК во фронтальной коре крыс через 24 ч после tMCAO. а – Экзон-интронная структура гена Psd2. Экзоны показаны как пронумерованные прямоугольники. Экзоны 13 и 8, соединенные дугой, вовлечены в формирование циклоРНК circPsd2-13.8. Праймеры (F-прямой, R-обратный) и их направление показано стрелками. б – Электрофорез ПЦР-продукта реакции, проведенной с данными праймерами; слева – положение маркера GeneRuler 100 bp DNA Ladder («Thermo Fisher Scientific»). в – Фрагмент последовательности ПЦР-продукта, включающий в себя сайт бэксплайсинга между экзонами 13 и 8, по результатам секвенирования по Сэнгеру. г – Структура циклоРНК circPsd2-13.8. Экзоны гена Psd2, вошедшие в состав циклоРНК, показаны белыми цифрами на сегментах кольца; число внутри кольца – длина всей циклоРНК; черной дугой обозначен полученный ПЦР-продукт

Скачать (338KB)
Метаданные
4. Рис. 3. Сравнительный анализ дифференциальной экспрессии циклоРНК и мРНК во фронтальной коре через 24 ч после tMCAO. а – Диаграмма Венна, показывающая пересечение полученных в настоящей работе генов, кодирующих ДЭЦ, с ДЭГ, идентифицированными ранее. б – Первые 10 ДЭЦ с наибольшей кратностью изменения экспрессии и соответствующие им ДЭГ из пересечения на диаграмме Венна (5 показавших наибольшее повышение экспрессии и 5 показавших наибольшее снижение экспрессии). в – ДЭЦ, гены которых не были достоверно идентифицированы как ДЭГ. NRs – нормализованное количество прочтений; группа «ИР» – крысы были декапитированы через 24 ч после tMCAO; группа «ЛО» – крысы были декапитированы через 24 ч после ложной операции

Скачать (535KB)
Метаданные
5. Рис. 4. Биоинформатический подход, использовавшийся при идентификации сети ДЭЦ–микроРНК–ДЭГ. а – Схематическое изображение последовательности действий при идентификации сети. б – Диаграмма Венна, показывающая количество общих и уникальных пар микроРНК–ДЭЦ, по данным трех программ. в – Диаграмма Венна, показывающая количество общих и уникальных пар микроРНК–ДЭГ, по данным трех программ

Скачать (646KB)
Метаданные
6. Рис. 5. Сигнальные пути KEGG, ассоциированные с генами, входящими в сеть ДЭЦ–микроРНК–ДЭГ. а – Первые 10 путей с наибольшей значимостью ассоциации с набором из 2258 ДЭГ. Для каждого пути показано количество повысивших и понизивших экспрессию ДЭГ, ассоциированных с данным сигнальным путем, и уровень значимости пути (Padj, скорректированное с поправкой Бенджамини–Хохберга). б – Количество повысивших и понизивших уровень циклоРНК (ДЭЦ), конкурирующих с ДЭГ из данного сигнального пути

Скачать (331KB)
Метаданные
7. Рис. 6. Элемент сети ДЭЦ–микроРНК–ДЭГ, ассоциированный с сигнальным путем «глутаматергический синапс» (KEGG). ДЭГ (мРНК) показаны прямоугольниками (внутренний круг); ДЭЦ – овалами (внешний круг). МикроРНК представлены как линии, соединяющие узлы сети. Таким образом, соединенные линией ДЭЦ и ДЭГ конкурируют между собой за связывание с одной или более микроРНК

Скачать (817KB)
Метаданные
8. Приложение 1. Блок-схема эксперимента
Скачать (208KB)
Метаданные
9. Приложение 2. Метод постановки модели tMCAO и МРТ-анализа ишемического повреждения мозга крыс
Скачать (57KB)
Метаданные
10. Приложение 3. Обработка результатов RNA-Seq с помощью DESeq2 (v. 1.32.0).
Скачать (50KB)
Метаданные
11. Приложение 4. Гены, кодирующие ДЭЦ во фронтальной коре крыс через 24 ч после tMCAO
Скачать (30KB)
Метаданные
12. Приложение 5. Сеть взаимодействий ДЭЦ-микроРНК-ДЭГ во фронтальной коре мозга крыс через 24 часа после tMCAO
Скачать (233KB)
Метаданные
13. Приложение 6. Анализ сигнальных путей, которые ассоциированы с ДЭГ, вовлеченными в сеть ДЭЦ-микроРНК-ДЭГ, во фронтальной коре мозга крыс через 24 часа после tMCAO (по данным David 2021)
Скачать (19KB)
Метаданные

© Российская академия наук, 2025