通过整合转录组学和可移动遗传元件（TEs）分析，揭示非小细胞肺癌（NSCLC）中由TEs驱动的基因失调机制

《Computational Biology and Chemistry》：Unraveling Novel Transposable Elements (TEs)-Driven Gene Dysregulation in Non-Small Cell Lung Cancer (NSCLC) by Integrated Transcriptomic and TEs Analysis

TEs在NSCLC中驱动基因失调机制研究，通过整合转录组与TE分析发现LTR1A1、HERVL18-int等TEs在癌样本显著富集，LINE/ERV家族与细胞周期调控基因（CCNB2、PBK、HMMR等）关联，分子对接揭示其可能影响致癌通路。

　　

S Shrinidhi | R Sagaya Jansi | Amer Khusro

印度泰米尔纳德邦金奈Stella Maris学院生物信息学系

摘要

转座元件（TEs）是一类可移动的基因组序列，它们可能严重扰乱基因调控并促进肿瘤发生。然而，它们在非小细胞肺癌（NSCLC）中的作用在很大程度上尚未被探索。因此，本研究进行了整合的转录组学和转座元件（TE）分析，以研究NSCLC中由TE驱动的基因失调现象。差异表达的TEs的层次聚类显示，LTR1A1和HERVL18在癌样本中显著过表达，尤其是LINE和ERV成员（如HERVL-int、L1MC5和L1M5）的表达量非常高。TE表达与差异表达基因的交集揭示了多个与细胞周期调控、基因组稳定性和肿瘤进展相关的TE相关基因。融合转录本分析突出了独特的癌症特异性事件，为理解TE介导的转录组变化提供了见解。TE相关蛋白HMMR和PBK的分子对接表明可能存在影响致癌途径的相互作用。总体而言，我们的发现揭示了NSCLC中由TE驱动的基因失调的新机制，并指出了特定的TE及相关基因作为潜在的诊断标志物和治疗靶点，为未来的实验研究提供了框架。

引言

在生物信息学的新时代，随着下一代测序技术的出现，Telomere-2-Telomere（T2T）联盟于2022年测序并发布了第一个无间隙的女性单倍体参考基因组（Nurk等人，2022年）。在人类基因组的31亿个碱基对中，重复DNA序列占基因组的53.941%。仅转座元件（TEs）就占了46%，数量达到1,405,826,300个碱基对（Hoyt等人，2022年）。DNA重复序列的丰富程度在几乎所有真核生物基因组中都很常见，包括小鼠基因组的37.5%（Berrens等人，2021年）、秀丽隐杆线虫基因组的12%（Laricchia等人，2017年）以及玉米基因组的80-95%（Stitzer等人，2021年）。

转座元件，也称为转座子，是能够在基因组内、基因组间甚至物种间移动的DNA序列。这些转座子可以从一个基因组位置跳跃到另一个位置，因此被称为“跳跃基因”（Arkhipova和Yushenova，2019年）。转座元件还被称为“自私基因”，因为它们具有持续复制并在基因组中产生多个新拷贝的显著倾向，这会导致染色体断裂和插入突变等不良后果（Klein和O’Neill，2018年）。

长期以来，转座元件被视为无功能的“垃圾”DNA，但在发现结直肠癌中APC基因的体细胞L1逆转录后，它们被认定为肿瘤发生的内源性驱动因素（Miki等人，1992年）。目前，只有3类逆转录转座子家族——LINEs（L1）、SINEs（Alu）和复合元件SINE-VNTR-Alu [SINE/可变数量串联重复（VNTR）/Alu]或SVA被认为在人类基因组中是活跃和可移动的（Jansz和Faulkner，2021年）。大约有50万个L1拷贝（主要是片段化的），占我们总基因组的17%，其中只有大约100个是活跃的；高度活跃的L1元件（称为hot-L1元件）数量更少（Kazazian和Moran，2017年）。尽管如此，hot-L1元件被认为是大多数L1介导的疾病的原因（Brouha等人，2003年）。

人类及其他真核生物基因组中各种类型转座元件的这种惊人丰富度证明了它们在不断复制和生成多个拷贝以侵入和占据不同基因组区域的动态能力。TE插入基因组可能产生新的内含子（内含子化）或新的外显子（外显子化）。外显子化通常会导致阅读框的移位或提前终止密码子的出现；因此，mRNA的错误剪接会产生截短且无功能的蛋白质（Lee等人，2020年）。TE还会侵入基因的调控区域，如启动子、增强子和沉默子，从而导致转录失调。

表观遗传控制，特别是DNA甲基化、组蛋白修饰和microRNA（miRNA）的干扰，调节和抑制TE的移动，防止大规模的基因组不稳定。在人类癌症的背景下，表观遗传变化与肿瘤发生有关。其特征是肿瘤抑制基因的过度甲基化以及TE的全球性低甲基化，尤其是甲基化模式的丢失会重新激活TE。因此，癌基因的激活、由于易位导致的染色体断裂以及融合基因的形成进一步促进了肿瘤的整体发展和进展（Anwar等人，2017年）。

转座元件虽然因其在基因组中的“不可控跳跃”而臭名昭著，但据报道它们也是某些miRNA的自然来源。miRNA长度约为22个核苷酸，是一种参与基因表达转录后调控的小型非编码RNA（Gim等人，2014年）。Qin等人（2015年）在人类中鉴定出409种由转座元件（TEs）衍生的miRNA，这比其他非哺乳动物脊椎动物中的MDTEs更多。Lee等人（2020年）发现了34种与人类疾病和癌症相关的MDTEs，其中16种来自LINE，6种来自SINE，2种来自LTR，10种来自DNA转座子。此外，他们的研究还表明，一个miRNA序列可能来源于多个TE家族。一些差异表达的MDTEs包括在结直肠癌组织和细胞系中严重下调的mIR625以及在NSCLC中上调的mIR130a。

Hanahan提出的“非突变性表观遗传重编程”是癌症的一个新兴特征，它描述了肿瘤微环境中的表观遗传机制（Hanahan，2022年）。肺癌是最常见的癌症类型，是全球癌症相关死亡的主要原因（Siegel等人，2022年）。非小细胞肺癌（NSCLC）和小细胞肺癌（SCLC）是这种致命肺部疾病的两种主要类型，前者占病例的80%。根据肿瘤组织学特征，NSCLC进一步分为腺癌（AdC）、鳞状细胞癌（SqCC）和大细胞癌。肺癌通常在晚期才被诊断出来，此时预后和治疗选择非常有限（Ramazi等人，2023年）。

尽管肺癌的发病机制在基因组和分子生物学层面得到了广泛研究，但TE的作用仍被严重忽视。现有的治疗方法受到人类基因组和表观基因组的动态性质、快速进展和转移以及对抗化疗药物的抗性的影响，使得肺癌既致命又治疗成本高昂。在这种情况下，需要深入研究以揭示所有重要的生物学机制。对跳跃基因及其作用方式的研究可以为抗击肺癌提供重要知识（Burns，2017年）。

计算环境

生物信息学分析在多种计算环境中进行，包括个人PC、大学工作站、笔记本电脑以及用于高内存任务的基于云的集群。所用系统的RAM容量从8-32 GB不等，存储容量在300–400 GB之间。操作系统使用的是Linux（Ubuntu 20.04 LTS）和Windows Subsystem for Linux（WSL）。云计算资源用于计算密集型任务。分析不同阶段使用的软件包括

TE的差异富集（RepEnrich2）

使用RepEnrich2对癌组织和正常组织中的TE家族进行了差异富集测试。测试显示，Alu家族在癌组织中的富集程度最高，证明了Alu家族在基因组变异中的重要作用。SINE家族占TE类别的51.9%，表明Alu家族对基因组变化有主导作用。

L1元件在癌组织和对照样本中都有富集现象，但程度较轻

讨论

NSCLC中TE的差异富集和表达结果与先前的报告一致，强调了TE在基因组不稳定性和肿瘤进展中的复杂作用。此处观察到的Alu元件在肺癌样本中的富集支持了它们在基因组不稳定、DNA损伤和转录失调中的已知活性——这些都是肿瘤进展的标志（Rodriguez-Martin等人，2020年）。Alu元件是SINEs的主要类别，占

结论

本研究从系统层面全面探讨了TE如何改变NSCLC中的转录组、剪接和基因组融合谱型。研究发现有67个与TE相关的上调基因，其中关键的包括主要的有丝分裂调节因子CCNB2、PBK、HMMR、TTK、BUB1B和KIF2C，这些基因清楚地建立了TE表达与细胞周期调控紊乱之间的机制联系。ERV的不同家族成员也发挥了重要作用

CRediT作者贡献声明

Ameer Khusro：撰写——审稿与编辑、可视化、验证、正式分析、数据管理。S Shrinidhi：撰写——初稿、软件使用、资源获取、方法论设计、概念构思。

写作过程中使用生成式AI和AI辅助技术的声明

作者声明，在本手稿的某些部分的准备过程中使用了生成式AI。生成式AI用于提高手稿的质量。

利益冲突

无。

竞争利益声明

我们确认本出版物不存在已知的利益冲突。我们确认所有列出的作者都已阅读并批准了该手稿，并且没有其他符合作者资格但未列出的人员。我们还确认手稿中作者的排序得到了所有人的同意。