СОВРЕМЕННЫЕ АВТОМАТИЗИРОВАННЫЕ ИНСТРУМЕНТЫ ДИЗАЙНА ПРАЙМЕРОВ ДЛЯ НЕКОДИРУЮЩИХ РНК

Обложка

Цитировать

Полный текст

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

Аннотация

МикроРНК (миРНК) представляют собой класс некодирующих РНК, играющих ключевую роль в посттранскрипционной регуляции экспрессии генов, участвующих в контроле фундаментальных клеточных процессов. Их высокая диагностическая и прогностическая значимость при различных заболеваниях человека обусловила потребность в высокоспецифичном дизайне праймеров для количественной оценки экспрессии множества миРНК. Проектирование праймеров для количественного анализа экспрессии миРНК представляет собой методологически сложную задачу в связи с короткой длиной матрицы и высокой гомологией между членами семейств. Стандартные инструменты, изначально ориентированные на более длинные мишени, часто оказываются недостаточно эффективными при работе с короткими последовательностями зрелых миРНК. По этой причине были созданы специализированные платформы, адаптированные под уникальные структурные и функциональные особенности миРНК, обеспечивающие точный и воспроизводимый дизайн праймеров. В обзоре рассматриваются современные автоматизированные программные инструменты, специально разработанные для проектирования праймеров к коротким некодирующим РНК, с акцентом на их функциональные характеристики и пригодность для конструирования праймеров к наиболее распространенному методу количественного анализа экспрессии миРНК – Stem-loop ОТ-ПЦР.

Об авторах

М. А Янишевская

Южно-Уральский федеральный научно-клинический центр медицинской биофизики ФМБА России; Челябинский государственный университет

Email: yanishevskaya@urcrm.ru
Челябинск, Россия; Челябинск, Россия

Е. А Блинова

Южно-Уральский федеральный научно-клинический центр медицинской биофизики ФМБА России; Челябинский государственный университет

Челябинск, Россия; Челябинск, Россия

Список литературы

  1. Lee R.C., Feinbaum R.L., Ambros V. The C. elegans heterochronic gene lin-4 encodes small RNAs with antisense complementarity to lin-14 // Cell. 1993. V. 75. № 5. P. 843–854. https://doi.org/10.1016/0092-8674(93)90529-y
  2. Ha M., Kim V.N. Regulation of microRNA biogenesis // Nat. Rev. Mol. Cell Biol. 2014. V. 15. № 8. P. 509–524. https://doi.org/10.1038/nrm3838
  3. Friedman R.C., Farh K.K.H., Burge C.B., Bartel D.P. Most mammalian mRNAs are conserved targets of microRNAs // Genome Res. 2009. V. 19. № 1. P. 92–105. https://doi.org/10.1101/gr.082701.108
  4. Jang J.H., Lee T.J. The role of microRNAs in cell death pathways // Yeungnam Univ. J. Med. 2021. V. 38. № 2. P. 107–117. https://doi.org/10.12701/yujm.2020.00836
  5. Avraham R., Yarden Y. Regulation of signalling by microRNAs // Biochem. Soc. Trans. 2012. V. 40. № 1. P. 26–30. https://doi.org/10.1042/BST20110623
  6. Khameneh S.C., Razi S., Lashanizadegan R. et al. MicroRNA-mediated metabolic regulation of immune cells in cancer: An updated review // Front Immunol. 2024. V. 15. https://doi.org/10.3389/fimmu.2024.1424909
  7. Kunze-Schumacher H., Krueger A. The role of microRNAs in development and function of regulatory T cells – lessons for a better understanding of microRNA biology // Front. Immunol. 2020. V. 11. P. 2185. https://doi.org/10.3389/fimmu.2020.02185
  8. Bao N., Lye K.W., Barton M.K. MicroRNA binding sites in Arabidopsis class III HD-ZIP mRNAs are required for methylation of the template chromosome // Dev. Cell. 2004. V. 7. № 5. P. 653–662. https://doi.org/10.1016/j.devcel.2004.10.003
  9. Searles C.D. MicroRNAs and cardiovascular disease risk // Curr. Cardiol. Rep. 2024. V. 26. № 2. P. 51–60. https://doi.org/10.1007/s11886-023-02014-1
  10. Junn E., Mouradian M.M. MicroRNAs in neurodegenerative diseases and their therapeutic potential // Pharmacol. Ther. 2012. V. 133. № 2. P. 142–150. https://doi.org/10.1016/j.pharmthera.2011.10.002
  11. Chakrabortty A., Patton D.J., Smith B.F., Agarwal P. miRNAs: Potential as biomarkers and therapeutic targets for cancer // Genes (Basel). 2023. V. 14. № 7. P. 1375. https://doi.org/10.3390/genes14071375
  12. Untergasser A., Cutcutache I., Koressaar T. et al. Primer3-new capabilities and interfaces // Nucl. Acids Res. 2012. V. 40. № 15. P. e115. https://doi.org/10.1093/nar/gks596
  13. Ye J., Coulouris G., Zaretskaya I. et al. Primer-BLAST: A tool to design target-specific primers for polymerase chain reaction // BMC Bioinformatics. 2012. V. 13. P. 134. https://doi.org/10.1186/1471-2105-13-134
  14. Li L.C. Designing PCR primer for DNA methylation mapping // Methods Mol. Biol. 2007. V. 402. P. 371–384. https://doi.org/10.1007/978-1-59745-528-2_19
  15. Singh A., Pandey G.K. Primer design using Primer Express® for SYBR Green-based quantitative PCR // Methods Mol. Biol. 2015. V. 1275. P. 153–164. https://doi.org/10.1007/978-1-4939-2365-6_11
  16. Lim L.P., Lau N.C., Weinstein E.G. et al. The microRNAs of Caenorhabditis elegans // Genes Dev. 2003. V. 17. P. 991–1008. https://doi.org/10.1101/gad.1074403
  17. Pena J.T., Sohn-Lee C., Rouhanifard S.H. et al. miRNA in situ hybridization in formaldehyde and EDC-fixed tissues // Nat. Methods. 2009. V. 6. P. 139–141. https://doi.org/10.1038/nmeth.1294
  18. Lagos-Quintana M., Rauhut R., Lendeckel W., Tuschl T. Identification of novel genes coding for small expressed RNAs // Science. 2001. V. 294. P. 853–858. https://doi.org/10.1126/science.1064921
  19. Chen J., Lozach J., Garcia E.W. et al. Highly sensitive and specific microRNA expression profiling using BeadArray technology // Nucl. Acids Res. 2008. V. 36. № 14. P. e87. https://doi.org/10.1093/nar/gkn387
  20. Krichevsky A.M., King K.S., Donahue C.P. et al. A microRNA array reveals extensive regulation of microRNAs during brain development // RNA. 2004. V. 9. № 10. P. 1274–1281. https://doi.org/10.1261/rna.5980303
  21. Balcells I., Cirera S., Busk P.K. Specific and sensitive quantitative RT-PCR of miRNAs with DNA primers // BMC Biotechnol. 2011. V. 11. P. 70. https://doi.org/10.1186/1472-6750-11-70
  22. Chen C., Ridzon D.A., Broomer A.J. et al. Real-time quantification of microRNAs by stem-loop RT-PCR // Nucl. Acids Res. 2005. V. 33. № 20. P. e179. https://doi.org/10.1093/nar/gni178
  23. Shi R., Chiang V.L. Facile means for quantifying microrRNA expression by real-time PCR // BioTechniques. 2005. V. 39. № 4. P. 519–525. https://doi.org/10.2144/000112010
  24. Kramer M.F. Stem-loop RT-qPCR for miRNAs // Curr. Protoc. Mol. Biol. 2011. Chapter 15: Unit15.10. https://doi.org/10.1002/0471142727.mb1510s95
  25. Yang L.H., Wang S.L., Tang L.L. et al. Universal stem-loop primer method for screening and quantification of microRNA // PLoS One. 2014. V. 9. № 12. https://doi.org/10.1371/journal.pone.0115293
  26. Wang Y., Zhou J., Chen Y. et al. Quantification of distinct let-7 microRNA family members by a modified stem-loop RT-qPCR // Mol. Med. Rep. 2018. V. 17. № 3. P. 3690–3696. https://doi.org/10.3892/mmr.2017.8297
  27. Varkonyi-Gasic E., Wu R., Wood M. et al. Protocol: A highly sensitive RT-PCR method for detection and quantification of microRNAs // Plant Methods. 2007. V. 3. P. 12. https://doi.org/10.1186/1746-4811-3-12
  28. Kang S.T., Hsieh Y.S., Feng C.T. et al. miPrimer: An empirical-based qPCR primer design method for small noncoding microRNA // RNA. 2018. V. 24. № 3. P. 304–312. https://doi.org/10.1261/rna.061150.117
  29. Guido N., Starostina E., Leake D., Saaem I. Improved PCR amplification of broad spectrum GC DNA templates // PLoS One. 2016. V. 11. № 6. https://doi.org/10.1371/journal.pone.0156478
  30. Rhim J., Baek W., Seo Y., Kim J.H. From molecular mechanisms to therapeutics: Understanding micro-RNA-21 in cancer // Cells. 2022. V. 11. № 18. P. 2791.https://doi.org/10.3390/cells11182791
  31. He F., Guan W. The role of miR-21 as a biomarker and therapeutic target in cardiovascular disease // Clin. Chim. Acta. 2025. https://doi.org/10.1016/j.cca.2025.120304
  32. Kumarswamy R., Volkmann I., Thum T. Regulation and function of miRNA-21 in health and disease // RNA Biol. 2011. V. 8. № 5. P. 706–713. https://doi.org/10.4161/rna.8.5.16154
  33. Busk P.K. A tool for design of primers for micro-RNA-specific quantitative RT-qPCR // BMC Bioinformatics. 2014. V. 15. P. 29. https://doi.org/10.1186/1471-2105-15-29
  34. Balcells I., Cirera S., Busk P.K. Specific and sensitive quantitative RT-PCR of miRNAs with DNA primers // BMC Biotechnol. 2011. V. 11. P. 70. https://doi.org/10.1186/1472-6750-11-70
  35. Vester B., Wengel J. LNA (locked nucleic acid): High-affinity targeting of complementary RNA and DNA // Biochemistry. 2004. V. 43. № 42. P. 13233–13241. https://doi.org/10.1021/bi0485732
  36. Xie S., Zhu Q., Qu W. et al. sRNAPrimerDB: Comprehensive primer design and search web service for small non-coding RNAs // Bioinformatics. 2019. V. 35. № 9. P. 1566–1572. https://doi.org/10.1093/bioinformatics/bty852
  37. UPL (2017). Universal Probe Library. https://lifescience.roche.com/en_in/brands/universal-probe-library.html.05/06/2017
  38. Czimmerer Z., Hulvely J., Simandi Z. et al. A Versatile method to design stem-loop primer-based quantitative PCR assays for detecting small regulatory RNA molecules // PLoS One. 2013. V. 8. № 1. P. e55168. https://doi.org/10.1371/journal.pone.0055168

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).