$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Les ARN circulaires (CircRNAs) sont des ARN endogènes et non codants qui ont retenu l'attention compte tenu de leur expression omniprésente dans la transcriptome eucaryotique1,2,3. Ils sont formés lorsque les exons dos-épissage à l'autre et ont donc été initialement considérés comme des artefacts épissage4,5. Cependant, des études récentes ont démontré que les circRNAs présentent le type de cellule, le tissu, et l'expression spécifique de stade développemental3,6 et sont évolutivement conservés2,3. En outre, ils sont impliqués dans la médiation des interactions protéine-protéine7, micro-ARN (miRNA) liant3,8,9,10, et la régulation de la transcription des gènes parentaux11.
Dans le séquençage classique d'ARN (ARN-seq), les circRNAs peuvent être complètement perdus pendant la construction de bibliothèque en raison de la sélection de poly-A pour des ARNM ou peuvent être difficiles à isoler étant donné leur faible abondance. Cependant, des études récentes de caractérisation circRNA ont incorporé une étape de pré-traitement en utilisant RNase R afin d'enrichir pour les circRNAs2,12,13. RNase R est une exoribonucane qui digère les ARN linéaires, laissant derrière elle des structures circulaires d'ARN. Les protocoles d'enrichissement de CircRNA ont été optimisés en générant et en comparant les données de deux kits de construction de bibliothèques de transcriptome entièrement disponibles dans le commerce, avec et sans étape de prétraitement R R, et en utilisant des quantités variables d'entrée totale d'ARN (1 à 4 g). Le protocole optimisé a ensuite été utilisé pour évaluer l'abondance des circARN dans cinq régions différentes du cerveau (cerebellum [BC], lobe pariétal inférieur [IP], gyrus temporel moyen [MG], cortex occipital [OC] et gyrus frontal supérieur [SF]) et quatre autres types de tissus (foie [LV], poumon [LU], ganglion [LN] et pancréas[PA]). Les bibliothèques RNA-seq ont été appariées fin séquencée et les données ont été analysées à l'aide de six algorithmes de prédiction circRNA différents: find_circ3, CIRI14, Mapsplice15, KNIFE16, DCC17, et CIRCexplorer18. Sur la base de notre analyse, le plus grand nombre de circRNAs uniques a été détecté lors de l'utilisation d'une trousse de préparation totale échouée de bibliothèque d'ARN avec RNase R pré-traitement et 4 arn d'entrée total. Le protocole optimisé est décrit ici. Comme précédemment rapporté19,20, l'enrichissement le plus élevé des circRNAs a été observé dans le cerveau par rapport à d'autres types de tissus.