【文献速递】基于minigene技术探究SMN1无义突变触发的mRNA衰变机制(NMD)

脊髓性肌萎缩症(Spinal Muscular Atrophy,SMA)是一种常见的常染色体隐性神经肌肉疾病,由生存运动神经元1基因(SMN1)突变引起。SMN1基因突变中约40%为无义或移码突变,这类突变会引入提前终止密码子(Premature Termination Codon,PTC)。无义介导的mRNA衰变(Nonsense-Mediated mRNA Decay,NMD)是一种高度保守的真核质量控制途径,能够降解含有PTC的mRNA,防止潜在有毒蛋白的积累。然而,SMN1基因中不同PTC突变触发NMD的能力存在差异,需要进一步评估。本文将基于minigene系统,对研究文献“Premature termination codons in SMN1 leading to spinal muscular atrophy trigger nonsense-mediated mRNA decay”进行深入解读。

研究者选取了三种导致SMA的SMN1无义突变:c.43C>T、c.683T>A和c.844C>T,分别位于外显子1、5和7。构建包含这三个突变的SMN1-minigene,并将其转染到HeLa细胞中。通过体内剪接分析、环己酰胺(CHX,NMD抑制剂)处理和siRNA介导的UPF1(NMD关键因子)敲低等方法,研究这些突变对NMD途径的影响。

2.png

图1 minigene实验验证SMN1剪接变体的转录分析结果

野生型minigene(WT)仅产生正确剪接的转录本(FL-SMN1),即所有外显子(1、5、7和8)都被包含,内含子完全被移除。这表明构建的SMN1-minigene系统正常工作,能够产生正常的转录本。c.43C>T突变型minigene产生了两种不同的转录本,主要转录本是FL-SMN1。

次要转录本较长,经过测序分析发现包含了176bp的片段,该片段包含内含子1的155bp、XbaI限制位点TCTAGA以及内含子4的15bp。c.844C>T突变型minigene:产生了FL-SMN1转录本和一种较少见的较短转录本。经过测序分析,较短的转录本被鉴定为跳过了外显子5和7的转录本。

3.png

图2 NMD机制验证实验

经CHX(NMD抑制剂)处理后,突变细胞c.683T>A和c.844C>T中FL-SMN1的水平显著增加,说明NMD在这些细胞中活跃,且CHX能够抑制NMD,增加NMD底物转录本的水平。敲低UPF1(NMD关键因子)的表达可显著增加突变细胞c.683T>A和c.844C>T中FL-SMN1的转录本水平,进一步证实了这两个突变激活了NMD。而c.43C>T突变未触发NMD,其转录本水平不受CHX和UPF1敲低的影响。

本研究揭示了SMN1基因中不同PTC突变对NMD途径的影响,表明c.683T>A和c.844C>T突变可触发NMD,而c.43C>T突变则不能。这一发现对于理解SMA的发病机制具有重要意义。NMD在SMA的发病过程中可能扮演双重角色,一方面可能消除编码截短蛋白的转录本,防止其产生潜在毒性;另一方面,若截短蛋白保留部分正常功能,NMD的激活可能导致更严重的疾病表型。研究结果提示,在探索SMN1基因突变的致病机制时,应充分考虑NMD的影响。

 

参考文献

Zhang, Mengya, et al."Premature termination codons in SMN1 leading to spinal muscular atrophy trigger nonsense-mediated mRNA decay."Clinica Chimica Acta 530 (2022): 45-49.

在当前生物信息学领域中,针对无介导的mRNA降解(NMD)预测的工具,已有若干计算方法和软件可用于分析mRNANMD触发潜力。这些工具通常基于序列特征、终止密码子位置、外显子-外显子连接复合体(EJC)的分布等因素进行预测。 ### NMD预测工具概述 1. **NMDetect** NMDetect是一种基于规则的工具,用于识别可能触发NMD的转录本。该工具依据终止密码子的位置与最后一个外显子-外显子连接点之间的距离,判断是否可能引发NMD。如果终止密码子位于最后一个EJC的上游(即3' UTR中),则不会触发NMD;反之,如果终止密码子位于最后一个EJC的下游,则可能触发NMD并导致mRNA降解 [^1]。 2. **AS-NMD** AS-NMD是一个用于分析剪接变体是否可能触发NMD的工具。它结合了转录本的结构信息和EJC模型,预测不同剪接形式是否可能被NMD机制识别并降解。此工具适用于大规模转录组数据的分析,有助于理解剪接变异与NMD之间的关系 。 3. **NMDpred** NMDpred是一种基于机器学习的预测工具,利用多种序列特征(如终止密码子上下文、3' UTR长度、外显子组成等)进行训练,以预测特定mRNA是否可能被NMD机制降解。其优势在于能够处理非线性关系,并在多种生物体中表现出良好的预测性能 [^1]。 4. **UPF1-based NMD prediction** 部分研究采用UPF1蛋白结合位点的数据作为NMD发生的指示。通过CLIP-seq等技术获取UPF1的结合区域,并结合终止密码子位置进行综合判断,可以提高NMD预测的准确性 [^1]。 ### 使用建议 对于研究SMN1基因中无突变是否触发NMD的情况,建议使用NMDetect或AS-NMD进行初步筛选,结合转录本结构和EJC模型判断突变是否可能引发NMD。若需更精细的预测,可采用NMDpred等基于机器学习的方法,以提高预测的灵敏度和特异性。 ### 示例代码(使用NMDetect进行预测) ```python # 示例:NMDetect基本使用(伪代码) def predict_nmd(transcript_sequence, stop_codon_position, exon_junctions): last_ejc = max(exon_junctions) if stop_codon_position > last_ejc: return "NMD triggered" else: return "No NMD" # 示例参数 transcript_sequence = "ATG...TAA" stop_codon_position = 1500 exon_junctions = [300, 600, 900, 1200] # 预测结果 result = predict_nmd(transcript_sequence, stop_codon_position, exon_junctions) print(result) ``` ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值