![]()
差异RNA表达在评估肿瘤异质性方面越来越有价值，有助于更好地了解恶性肿瘤并指导个性化治疗。然而，传统的细胞RNA分析技术主要集中于确定RNA的绝对水平，这可能导致对肿瘤异质性的理解不准确，主要是因为i）某些具有相似总浓度的RNA类型之间存在细微差异，以及ii）不同样本中RNA表达存在差异。
2024年10月18日，西南大学卓颖、上海交通大学杨朝勇共同通讯在Advanced Science 在线发表题为“Detachable DNA Assembly Module to Dissect Tumor Cells Heterogeneity via RNA Pinpoint Screening”的研究论文。该研究提出了一种可拆卸的DNA组装模块，它不仅能够量化目标RNA的表达水平，而且还能够通过顺序组装和拆卸路线创新地评估其在RNA家族群体中的比例。
以let-7家族为实验模型，发现正常乳腺上皮细胞和乳腺癌细胞中let-7a的比例存在显著差异，这是传统技术的批量分析经常忽略的特征。通过结合浓度和比例信息，可拆卸的DNA组装模块在区分各种类型的细胞方面表现出比传统技术更高的效率。该创新的组装模块有望为突出肿瘤异质性和指导个性化治疗提供新的视角。
个体化治疗是依据个人基因组信息和内环境信息制定针对性治疗方案的医学模式，是提高肿瘤患者5年生存率的关键。目前，肿瘤异质性表现在多个方面，从细胞基因型到细胞表型，在个体间或患者间均有不同，其中基因组异质性评估作为诊断依据，主导着个体化治疗方案的制定。其中，RNA在基因表达途径的上游和下游发挥转录、翻译和调控的基本功能。特别是细胞RNA的异常表达与肿瘤的发生、发展和预后密切相关。因此，可靠的RNA表达差异评估对于肿瘤的及时诊断和个体化治疗具有重要意义。尽管单细胞测序在RNA表达研究中被广泛应用，但由于其实验条件严格、操作程序繁琐，细胞内原位分析仍遇到困难。近年来，分子影像已被证明是一种可行、时空分辨率可视化监测RNA的技术路线。但现有的分析细胞RNA的分子技术主要依赖于RNA的绝对水平，这些技术可能导致对肿瘤异质性的认识不准确，主要是因为i）总浓度相似的某些RNA类型之间存在细微差异；ii）不同样本间RNA表达存在差异。此外，文献报道比例评估具有更好的可比性和稳定性，因为它们本身在减轻样本间差异方面具有优势。因此，迫切需要开发新的DNA技术，以获得有关RNA浓度及其在RNA家族中比例变化的多维信息，以揭示肿瘤异质性。用于RNA精确筛选的可拆卸DNA组装模块（图源自Advanced Science ）随着核酸技术的发展，DNA分子器件因其组装可控性和操作可编程性而在生物分子追踪和生物功能解析中展现出强大的能力。为了实现单核苷酸水平的判别能力，基于杂交亲和力调控或酶识别途径的各类DNA分子器件相继问世。从杂交亲和力调控的角度，已报道了一种基于精确热力学计算的程序化链置换反应过程来识别RNA突变。然而，热力学计算需要恒定的温度和离子含量，以及复杂的模拟和统计分析，不适合推广。由于某些酶对错配事件具有很强的洞察力，如双链特异性核酸酶（DSN），可以选择性地切割完全互补的RNA-DNA异源双链中的DNA，从而为在单核苷酸分辨率下定量识别RNA提供了可行的方法。可以想象，通过适当的设计，DSN可以作为从高度同源的RNA家族中准确筛选特定RNA的可行介质。基于上述构想，作者旨在构建一种智能结合杂交亲和力调控与酶识别的核酸分子装置，实现对高度同源RNA家族和指定靶RNA的逐次识别。在此，作者设计了一个可拆卸的DNA组装模块，可以逐次捕获高度同源的RNA家族并选择性地筛选靶RNA，从而实现对靶RNA浓度及其在家族群体中所占比例的同步研究。该模块具备组装和拆卸功能，其组装过程中，高度同源的RNA家族成员广泛参与，有利于评估RNA家族的总体水平；而其拆卸过程仅涉及靶RNA，实现对靶RNA的筛选和对其表达丰度的评估。因此，可以通过将上述浓度信息与家族总体水平进行比较，估算出靶RNA在其家族群体中所占比例。此外，作者利用DNA纳米花系统地验证了可拆卸DNA组装模块对靶RNA的筛选性能，不仅可以作为评估工具展示靶RNA的筛选性能，还可以作为定量工具进一步放大所筛选靶RNA的信号。以同源性较高的let-7家族为实验范式，作者发现正常MCF-10A细胞与肿瘤MCF-7细胞中let-7a的比例存在明显差异。值得注意的是，这种比例信息在常规方法的批量分析中经常被忽略。此外，利用机器学习算法对获得的浓度和比例信息进行联合分析，证实联合分析显著增强了细胞鉴别能力。这比目前仅依赖单一浓度指标的传统技术有了实质性的进步。因此，这项工作有望为全面了解肿瘤异质性提供新的视角，并进一步指导个性化肿瘤治疗。https://onlinelibrary.wiley.com/doi/10.1002/advs.202401253![]()
—END—
内容为【iNature】公众号原创，
转载请写明来源于【iNature】
微信加群
iNature汇集了4万名生命科学的研究人员及医生。我们组建了80个综合群（16个PI群及64个博士群），同时更具专业专门组建了相关专业群（植物，免疫，细胞，微生物，基因编辑，神经，化学，物理，心血管，肿瘤等群）。温馨提示：进群请备注一下（格式如学校+专业+姓名，如果是PI/教授，请注明是PI/教授，否则就直接默认为在读博士，谢谢）。可以先加小编微信号（love_iNature），或者是长按二维码，添加小编，之后再进相关的群，非诚勿扰。
![]()
![]()
投稿、合作、转载授权事宜
请联系微信ID：13701829856 或邮箱：iNature2020@163.com
觉得本文好看，请点这里！
