有味道的研究：结肠直肠癌粪便小RNA谱的改变反映粪便样本中肠道微生物组的组成今天小编给大家带来的是一篇比较有意思的文献【Altered Fecal Small RNA Profiles in Colorectal Cancer Reflect Gut Microbiome Composition in Stool Samples  IF:6.519 2019.9.17】

有研究表明，人类肠道微生物群的不良生物构型与结直肠癌（CRC）相关。人类小的非编码RNA也与CRC有关，最近有发现表明它们在肠腔中的释放有助于塑造肠道菌群。细菌小RNA（bsRNA）也可能在致癌作用中发挥作用，但尚未广泛探讨其作用。而这篇文章分析了人类肠道微生物组小RNA表达与CRC患者肠道中潜在分子相互作用。使用数据以及方法在这项研究中，作者对来自80名受试者(24名健康个体，27名腺瘤患者和29名CRC患者)的粪便样本进行了排序。通过整合sRNA-Seq和宏基因组分析，发现这两种方法检测到的微生物种群有广泛的重叠，并在癌症患者中发现了大量的微生物sRNAs。最后，提出了一种DNA和RNA的结合方法，它能够根据癌前病变和健康对照准确地对CRC患者进行分类。主要结果1. 健康人、腺瘤患者和结直肠癌患者粪便微生物组组成的差异

 

该研究包括80名受试者，首先在他们接受结肠镜检查前收集了粪便样本。从每个粪便样本中提取DNA和RNA片段进行宏基因组和sRNA-Seq分析，并且样本分为正常人，腺瘤患者以及结直肠癌三组，A展示了这三组患者不同菌群的丰度情况。而B则展示了从宏基因组分析大肠杆菌的相对丰度。C展示了人类粪便样本的sncRNA谱以及人类粪便样本中的微生物sRNA。D展示hsa-miRNA和hsa-sncRNA在癌症组和健康组的比较中发现最显著的差异表达是hsa-miR-378a-3p和hsa- piri -11481。接下来使用bsRNA reads进行两种类型的分析(A)。第一个分析是基于从宏基因组数据中得到的细菌轮廓的细化，第二个是基于对差异表达的bsRNAs的识别。宏基因组实验提供的信息与来自sRNA-Seq数据的bsRNAs分析提供的信息相结合，以改进细菌的分析。通过比较从宏基因组分析得到的每个分类水平上的细菌相对丰度，验证了基于bsrna的描述（B）。C使用柱状图展示了了通过比较每个门的宏基因组和sRNA-Seq数据计算出的Pearson相关系数。D以热图的形式展示了bsRNA以及细菌DNA的丰度。E则以热图展示从细菌小RNA数据库中分配给bsRNAs的读数。2. hsa- mirna靶向的特异性信号通路与大肠杆菌丰度相关 

由于所观察到的大肠杆菌DNA和bsRNA从健康人到CRC组的丰度增加，作者研究了其与改变的hsa- mirna之间的功能关系。根据人类差异表达的sRNAs与大肠杆菌丰度的相关性分析结果，13个hsa- mirna与利用宏基因组数据估计的大肠杆菌丰度显著相关（A）。为了更详细地研究这13种识别出的hsa- mirna的作用，作者使用miRPathDB对这些hsa- mirna靶向的人类基因进行了功能富集分析(B)。同时，24个靶基因显著富集的生物学过程与KEGG中细胞骨架和细胞器组织、fc -受体信号通路和免疫应答有关（C）。3. 人类和微生物sRNAs的联合使用优化了分类

最后，作者尝试了将转录组和基因组的组合，以根据疾病状态对受试者进行分类。使用随机森林分类方法在考虑人类和细菌sRNA 的情况下，发现其为CRC病例的分类和对照提供了较高的准确性。相反，仅使用微生物DNA图谱对样品进行分类的潜力较低。值得注意的是，使用hsa-miRNA、bsRNA和微生物DNA谱为CRC与对照组和CRC与腺瘤的分类提供了最佳的性能(A)。来自sRNA-Seq数据的32个特征，包括hsa- mirna和bsRNA谱，为CRC患者与健康对照组的最佳识别提供了依据(B和C)。这些特征包括57.7%的人类mirna和42.4%的微生物信号(C)。到这里这篇文章的主要内容就介绍完了，可以看出作者从粪便中微生物的角度入手，对微生物与结直肠癌的关系进行了详细分析，文章采用的生物信息方法较为基础，但是研究角度很有意思，这种研究角度可以给我们新的启发。

欢迎关注

TCGA | 小工具 | 数据库 |组装| 注释 |   基因家族  |  Pvalue

基因预测  |bestorf |  sci | NAR | 在线工具 | 生存分析 | 热图

 生信不死 | 初学者 | circRNA | 一箭画心| 十二生肖 | circos

 舞台|基因组 | 黄金测序 | 套路 | 杂谈组装 |  进化 | 测序简史