Summary
RNAs circulares (circRNAs) são RNAs não codificadores que podem ter papéis na regulação transcricional e mediar interações entre proteínas. Após a avaliação de diferentes parâmetros para a construção de bibliotecas de sequenciamento circRNA, um protocolo foi compilado utilizando a preparação total da biblioteca de RNA com o pré-tratamento RNase R e é apresentado aqui.
Abstract
RnAs circulares (circRNAs) são uma classe de RNAs não codificadores envolvidos em funções como regulação de microRNA (miRNA), mediação de interações proteína-proteína e regulação da transcrição do gene parental. Na próxima geração clássica de sequenciamento de RNA (RNA-seq), os circRNAs são tipicamente negligenciados como resultado da seleção poli-A durante a construção de bibliotecas de mRNA, ou são encontrados em abundância muito baixa e, portanto, são difíceis de isolar e detectar. Aqui, um protocolo de construção da biblioteca circRNA foi otimizado comparando kits de preparação de bibliotecas, opções de pré-tratamento e vários valores totais de insumos de RNA. Dois kits de preparação de bibliotecas de transcriptoma inteira comercialmente disponíveis, com e sem pré-tratamento RNase R, e usando quantidades variáveis de entrada total de RNA (1 a 4 μg), foram testados. Por último, vários tipos de tecido; incluindo fígado, pulmão, nólina linfática e pâncreas; bem como várias regiões cerebrais; incluindo o cerebelo, o lóbulo parietal inferior, o giro temporal médio, o córtex occipital e o giro frontal superior; foram comparados para avaliar a abundância circRNA em todos os tipos de tecido. A análise dos dados gerados de RNA-seq usando seis ferramentas diferentes de detecção de circRNA (find_circ, CIRI, Mapsplice, KNIFE, DCC e CIRCexplorer) revelou que um kit de preparação total de biblioteca de RNA encalhado com pré-tratamento RNase R e 4 μg de entrada de RNA é o ideal método para identificar o maior número relativo de circRNAs. Consistente com os resultados anteriores, o maior enriquecimento de circRNAs foi observado em tecidos cerebrais em comparação com outros tipos de tecido.
Introduction
RNAs circulares (CircRNAs) são RNAs endógenos e não codificadores que ganharam atenção dada a sua expressão generalizada no transcriptoma eucariótico1,2,3. Eles são formados quando exons back-splice uns aos outros e, portanto, foram inicialmente considerados como estandecendo artefatos4,5. No entanto, estudos recentes demonstraram que circRNAs exibem espécies, tecidos e expressão específica em estágio de desenvolvimento3,6 e são conservadas evolutivamente2,3. Além disso, eles estão envolvidos na mediação de interações proteína-proteína7, micro-RNA (miRNA) ligação3,8,9,10, e regulação da transcrição do gene parental11.
No sequenciamento clássico de RNA (RNA-seq), os circRNAs podem estar completamente perdidos durante a construção da biblioteca como resultado da seleção poli-A para mRNAs ou podem ser difíceis de isolar, dada a sua baixa abundância. No entanto, estudos recentes de caracterização circRNA incorporaram uma etapa pré-tratamento usando RNase R, a fim de enriquecer para circRNAs2,12,13. RNase R é um exoribonuclease que digere RNAs lineares, deixando para trás estruturas circulares de RNA. Os protocolos de enriquecimento da CircRNA foram otimizados gerando e comparando dados de dois kits de construção de bibliotecas de transcriptoma inteiras comercialmente disponíveis, com e sem uma etapa pré-tratamento RNase R, e usando quantidades variáveis de entrada total de RNA (1 a 4 μg). O protocolo otimizado foi usado em seguida para avaliar a abundância de circRNAs em cinco regiões cerebrais diferentes (cerebelo [BC], lobo parietal inferior [IP], giro temporal médio [MG], córtex occipital [OC] e giro frontal superior [SF]) e quatro outros tipos de tecido (fígado [LV], pulmão [LU], nólina [LN] e pancreas [PA]). As bibliotecas de RNA-seq foram emparelhadas sequenciadas e os dados foram analisados usando seis algoritmos diferentes de previsão circRNA: find_circ3,CIRI14, Mapsplice15, KNIFE16, DCC17,e CIRCexplorer18. Com base em nossa análise, o maior número de circRNAs únicas foi detectado ao usar um kit de preparação total da biblioteca de RNA com pré-tratamento RNase R e RNA de entrada total de 4 μg. O protocolo otimizado é descrito aqui. Como relatado anteriormente19,20, o maior enriquecimento de circRNAs foi observado no cérebro em comparação com outros tipos de tecido.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Esta pesquisa tem sido realizada em conformidade com todas as diretrizes institucionais, nacionais e internacionais para o bem-estar humano. Os tecidos cerebrais foram obtidos a partir do Banner Sun Health Research Institute Brain and Body Donation Program em Sun City, AZ. As operações do Programa de Doação de Cérebros e Corpos são aprovadas pelo Western Institutional Review Board (protocolo WIRB #20120821). Todos os sujeitos ou seus representantes legais assinaram o consentimento informado. Bioespécimes comerciais (não cerebrais) foram comprados da Proteogenex.
1. RNase R Tratamento
Nota: Nas etapas a seguir, o volume de reação é ajustado a um volume total de 50 μL. Este é o volume mínimo de amostras a ser utilizado no kit de limpeza e concentrador de RNA (ver Tabela de Materiais). Além disso, o protocolo otimizado descrito aqui é para uma quantidade de entrada de 4 μg de RNA total. Recomenda-se um tempo de incubação mais longo para o tratamento RNase R para uma quantidade de entrada >4 μg.
- Diluir o RNA total para 4 μg em 39 μL RNase-free água em um tubo de microcentrífuga e misture bem por pipetting.
- Em um tubo separado, diluir o RNase R a uma concentração de trabalho de 2 U/μL com 1x RNase R Reaction Buffer. Faça apenas o suficiente para uso imediato.
- Pipette 39 μL de RNA total e 5 μL de 10x RNase R Reaction Buffer em um tubo de reação de 1,5 mL e misture bem por pipetting (50 μL será o volume de reação total). Em seguida, adicione 6 μL de RNase R (2 U/μL).
- Ajuste a pipeta para o volume de reação total (50 μL) e misture bem por pipetting cima e para baixo 10 vezes.
- Coloque o tubo em um banho de água de 37 °C por 10 min. Certifique-se de que o volume de reação total está imerso no banho de água.
- Coloque o tubo no gelo e siga imediatamente com a limpeza e concentração de RNA (seção 2).
2. Purificando RNA usando uma limpeza de RNA e kit de concentrador
Nota: Ao usar RNA de alta qualidade (RIN>8, DV200>80%), o tratamento RNase R pode resultar em perda de aproximadamente 60% de RNA. Usando uma entrada de 4 μg, estima-se que 2-2,5 μg de RNA tratado é deixado após a seção 1.
- Antes de começar, prepare o RNA Wash Buffer adicionando 48 mL de 100% de etanol ao concentrado tampão e misture bem por pipetting. Coloque colunas de purificação em tubos de coleta (ver Tabela de Materiais)e coloque em um rack de tubo.
Nota: Use as seguintes configurações de centrífuga para todas as etapas seguintes: 10.000-16.000 x g. Se o tratamento de DNase I já foi realizado, pule o tratamento de DNase I nesta fase. - Adicione 2 volumes de RNA Binding Buffer à amostra tratada rnase R e misture bem por pipetting (volume total: 150 μL).
- Adicione 1 volume de 100% de etanol à mistura de amostras tratadas rna binding buffer e RNase R, e misture bem por pipetting (volume total: 300 μL).
- Transfira todo o volume para a coluna e centrífuga a coluna para 30 s. Descarte o fluxo através.
- Adicione 400 μL de RNA Prep Buffer diretamente à coluna, centrífuga a coluna para 30 s, e descartar o fluxo através.
- Adicione 700 μL de RNA Wash Buffer diretamente à coluna, centrífuga a coluna para 30 s, e descartar o fluxo através.
- Adicione 400 μL de RNA Wash Buffer diretamente para a coluna, centrífuga a coluna por 2 min, e transferir a coluna para um novo tubo RNase-livre de 1,5 mL.
- Adicione 11 μL de água livre de RNase diretamente à coluna, segurando a ponta da pipeta logo acima do filtro da coluna e garantindo que a água aterrisse apenas no filtro da coluna.
- Incubar a coluna por 1 min à temperatura ambiente e centrífuga por 1 min.
- Antes de descartar a coluna, verifique se há fluxo no tubo livre de RNase. Se a elução foi bem-sucedida, armazenar amostra em -80 °C ou prosseguir imediatamente com a preparação da biblioteca. O volume total final da lusão de aproximadamente 10 μL é usado para a construção da biblioteca.
Nota: Ponto de parada: Deixe o RNA a -80 °C por até 7 dias antes de continuar com a preparação da biblioteca.
3. preparação da biblioteca do circRNA
Nota: Veja a tabela dos materiais para o jogo, que contem a maioria de reagents usados nesta seção.
- esgotamento e fragmentação do rRNA
- Transfira 10 μL de RNA purificado do passo 2.10 para um poço limpo em uma nova placa PCR de 96 poços de 0,3 mL. Para o bem, adicione 5 μL de rRNA Buffer obrigatório seguido por 5 μL rRNA Remoção Mix. Delicadamente pipeto para cima e para baixo 10 vezes para misturar.
- Placa de selo e incubação por 5 min a 68 °C em um bloco termociclor pré-programado e pré-aquecido. Após a conclusão da incubação de 5 min, coloque a placa no banco e incubar à temperatura ambiente por 1 min.
- Retire o selo da placa. Adicione 35 μL de contas de remoção de rRNA de temperatura ambiente vórtice para provar. Ajuste a pipeta para 45 μL e pipeta para cima e para baixo 10-20x para misturar completamente. Placa incubada para 1 min à temperatura ambiente.
- Transfira a placa para um suporte magnético e incubano no suporte por 1 min ou até que a solução se limpe. Transfira todos os supernatant (~45 μL) para novo poço na mesma placa, ou placa nova (dependendo de quantas amostras você está trabalhando com).
- Vortex as contas de limpeza rna (ver Tabela de Materiais)até ficar bem dispersa, e adicionar 99 μL de contas para cada amostra. Pipette para cima e para baixo 10x para misturar. Incubar a placa à temperatura ambiente por 10 min.
- Transfira a placa para o suporte magnético e incubar um adicional de 5 min ou até que a solução se limpe. Retire e descarte todo o supernatant do poço.
- Com a placa ainda no suporte magnético, adicione 200 μL de 20% recém-preparado EtOH ao poço sem interromper as contas. Incubar por 30 s, em seguida, remover e descartar etanol. Repita para um total de 2 laves.
- Adicione 11 μL de Elution Buffer para cada poço e pipeta para cima e para baixo 10 vezes para misturar. Incubar à temperatura ambiente por 2 min, e depois transferir para o suporte magnético até que a solução limpa (1-5 min).
- Transfira 8,5 μL do supernatant do poço para um novo poço na mesma placa ou para uma nova placa. Adicione 8,5 μL do Elute, Primer, Fragment High mix para cada amostra bem contendo. Pipeta para cima e para baixo 10 vezes para misturar completamente.
- Placa de selo e incubação por 8 min a 94 °C em um bloco termociclor pré-programado, pré-aquecido. Retire do termociclo quando atingir brevemente 4 °C e centrífuga.
Nota: Prossiga imediatamente para o protocolo sintetizar do CDNA da Primeira Costa.
- Sintetizar cDNA
- Para cada amostra que está sendo preparada, misture 9 μL First Strand Synthesis Mix com 1 μL de transcriptase reversa (ver Tabela de Materiais). Adicione 8 μL da mistura à amostra. Pipette para cima e para baixo 6 vezes para misturar.
- Placa de selo e incubação em um bloco de termociclo pré-aquecido pré-programado usando os seguintes parâmetros: 25 °C por 10 min, 42 °C por 15 min, 70 °C por 15 min, 4 °C. Prossiga imediatamente para a síntese da segunda vertente.
- Adicione 5 μL de buffer de suspensão a cada amostra seguida de 20 μL da mistura mestre de marcação da Segunda Costa. Pipette todo o volume para cima e para baixo 6 vezes.
- Placa de selo e incubação em um bloco termociclor pré-programado, pré-aquecido, fixado em 16 °C para 1 h. Após a incubação, retire a placa do termociclo e deixe equilibrar-se à temperatura ambiente.
- Vortex PCR purificação contas (ver Tabela de Materiais)e adicionar 90 μL contas para cada poço de amostra. Pipeta para cima e para baixo 10 vezes para misturar completamente. Incubar à temperatura ambiente por 10 min.
- Transfira a mistura do grânulo/amostra ao carrinho magnético e incuba-se para 5 min ou até que o líquido cancele. Retire e descarte o supernatant.
- Adicione 200 μL de 80% EtOH a cada amostra. Incubar amostras no suporte magnético à temperatura ambiente para 30 s. Descarte supernatant. Repita 1x.
- Permita que os grânulos sequem na temperatura ambiente por 6 min, e remova então do carrinho magnético.
- Resuspender contas em 19,5 μL de buffer de resuspensão. Pipeta para cima e para baixo 10 vezes para misturar completamente. Incubar à temperatura ambiente por 2 min, em seguida, transferir para o suporte magnético e incubar por um adicional de 1 min ou até que o líquido limpa.
- Transfira 17,5 μL de supernatant para novo poço/nova placa.
Nota: Se não for em curso imediatamente, as amostras podem ser armazenadas a -20 °C por até 7 dias.
- Para cada amostra que está sendo preparada, misture 9 μL First Strand Synthesis Mix com 1 μL de transcriptase reversa (ver Tabela de Materiais). Adicione 8 μL da mistura à amostra. Pipette para cima e para baixo 6 vezes para misturar.
- Preparação da biblioteca
- Adicione 12,5 μL de A-Tailing Mix para cada poço contendo supernatant. Pipette todo o volume para cima e para baixo 10 vezes para misturar.
- Incubar a reação em um bloco termociclota pré-programado e pré-aquecido definido para 37 °C usando os seguintes parâmetros: 37 °C para 30 min, 70 °C para 5 min, 4 °C. Quando as amostras atingem 4 °C, prossiga imediatamente para a ligadura de adaptação.
- Para cada amostra adicionar 2,5 μL de buffer de resuspensão, 2,5 μL de um adaptador de RNA único, e 2,5 μL de Mistura de Ligação. Pipette para cima e para baixo 10x para misturar.
- Incubar amostras em um bloco pré-programado, pré-aquecido do termociclo a 30 °C por 10 min.
- Adicione 5 μL de buffer Stop Ligation para cada amostra e pipeta para cima e para baixo para misturar.
- Adicione 42 μL de contas de purificação de PCR mistas para cada amostra e misture bem. Siga os passos 3.2.6 a 3.2.10, mas mude o volume de resuspensão para 52 μL e o volume de elução final para 50 μL.
- Repita o protocolo de contas de purificação pcr novamente com a elução de 50 μL do passo 3.3.6, mas mude o volume de resuspensão para 22 μL e o volume de elução final para 20 μL.
Nota: Se não for em curso imediatamente, as amostras podem ser armazenadas a -20 °C por até 7 dias. - Adicione 5 μL de PCR Primer Cocktail e 25 μL de PCR Master Mix para cada amostra. Misture por pipetting cima e para baixo 10 vezes. Incubar a reação em um bloco de termociclopré-aquecido pré-programado usando os seguintes parâmetros: 98 °C para 30 s; em seguida, 8 ciclos de 98 °C para 10 s, 60 °C para 30 s e 72 °C para 30 s; em seguida, 72 °C para 5 min, em seguida, 4 ° C segurar.
Nota: A otimização do número total de ciclos de PCR pode ser necessária para gerar quantidades suficientes de biblioteca para sequenciamento. - Siga o protocolo para purificação de contas de PCR (etapas 3,2,4 a 3,2,9), exceto adicionar 50 μL de contas de purificação de PCR bem misturadas e alterar o volume de resuspensão para 32,5 μL com um volume final de elução de 30 μL.
Nota: As amostras devem ser armazenadas a -20°C.
- Quantificação e Controle de Qualidade usando um analisador de ácido nucleico
- Permita que fitas e reagentes equilibrem à temperatura ambiente por 30 min.
- Misture 2 μL de biblioteca com 2 μL de tampão HS D1000, e adicione a uma placa de poço compatível.
- Selar firmemente com selo de folha compatível, e vórtice por 1 min a 2.000 rpm.
- Despine e carregue a placa no analisador após solicitações de software.
Nota: As bibliotecas devem ter aproximadamente 260 bp de tamanho.
4. Fluxo de trabalho de análise de dados
- Bibliotecas sequenciais de RNA-seq (ver Tabela de Materiais) para gerar leituras de 20 bp de 82 bp. Converta dados de sequenciamento bruto na forma de arquivos de chamada base (.bcl) para FASTQs usando a ferramenta bcl2fastq (v0.2.19).
- Detectar circRNAs.
Nota: Com base em evidências relatadas anteriormente de que uma abordagem de detecção de circRNA ensemble tem um melhor desempenho em comparação com o uso de uma única ferramentadedetecção21,22,sugerimos o uso de várias ferramentas para detecção de circRNA. Aqui, circRNAs foram identificados usando seis algoritmos de previsão circRNA existentes: find_circ, CIRI, CIRCexplorer, Mapsplice, KNIFE e DCC, aplicando as configurações de parâmetro recomendadas para cada algoritmo.- Baixe e instale cada algoritmo de detecção de circRNA em um cluster de computação de alto desempenho Linux usando as instruções fornecidas pelos desenvolvedores.
- Alinhar fastqs rna-seq contra o genoma de referência (GRCh37), utilizando o alinhador recomendado para cada ferramenta.
- Após o alinhamento, execute algoritmos de detecção de circRNA aplicando suas respectivas configurações de parâmetros recomendadas.
- Cada ferramenta produzirá um arquivo de resultados de várias colunas com a lista de circRNAs detectados, extrairá as coordenadas circRNA e o número de leituras de suporte com isso para quantificar o número de candidatos detectados em cada condição de amostra/teste.
- Converta a circRNA coordena a saída por CIRI, Mapsplice e DCC para coordenadas baseadas em 0 para ser consistente com os outros três algoritmos.
- Selecione circRNAs com duas ou mais leituras de suporte ou análises a jusante e comparações. A Tabela 1 resume todos os parâmetros avaliados em nosso estudo, juntamente com o número total de leituras de sequenciamento geradas para cada amostra.
- Para cada amostra/condição de teste, conte o número de circRNAs detectados normalizados para o número de leituras mapeadas geradas para essa biblioteca, por milhão. Resumir os resultados entre as várias ferramentas/amostras em parcelas de caixa, conforme detalhado nos Resultados Representativos.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Os dados gerados usando um RNA universal comercialmente disponível do controle (UC) e usando dois jogos da preparação da biblioteca, ambos que incluem uma etapa do ribo-esgotamento em seus protocolos, foram avaliados primeiramente. Usando um fluxo de trabalho analítico (fluxo de trabalho de análise de dados, seção 4), em geral, um maior número de circRNAs foi detectado nos conjuntos de dados truseq em comparação com os Kapa(Figura 1). Embora os percentuais de RNA ribossômico (rRNA) estivessem abaixo de 5% nos conjuntos de dados de ambos os kits para menores quantidades de entrada (1, 2 ug), os conjuntos de dados Kapa apresentaram maior conteúdo de rRNA para 4, 5 e 10 entradas ug(Tabela 2). Assim, com base no número de circRNAs detectados e eficiência de esgotamento rRNA, mais experimentos foram realizados usando o kit TruSeq.
Em seguida, a importância do pré-tratamento RNase R foi testada comparando os dados gerados pelas bibliotecas pré-tratadas e não tratadas de RNase R. Para tanto, foi comparado o RNA total do MG de idosos saudáveis e dados de sequenciamento gerados a partir de bibliotecas com (N = 3) e sem (N = 3) pré-tratamento utilizando RNase R23. Um maior número de circRNAs foi constantemente identificado nas bibliotecas pré-tratadas em comparação com as não pré-tratadas(Figura 2). Isso é esperado, uma vez que o pré-tratamento remove RNAs lineares, enriquecendo assim para espécies circRNA.
Em terceiro lugar, a quantidade de RNA de entrada que seria ideal para detectar uma maior diversidade de circRNAs foi testada. As bibliotecas foram preparadas usando 1, 2 e 4 μg de RNA de entrada total que foi extraído das regiões cerebrais mg, OC e SF, e além de RNA da UC. Comparando a abundância de circRNAs detectadas em cada biblioteca, observou-se a maior diversidade de espécies circRNA ao utilizar 4 μg de rna de entrada em comparação com 2 e 1 μg (Figura 3),como refletido pelo número de circRNAs únicas identificadas. Uma ressalva a notar é que, embora vários tempos de incubação durante o tratamento RNase R não foram testados, uma tendência pela qual um número crescente de circRNAs foram detectados em insumos totais de RNA de 1 a 4 μg foi observada ao controlar todos os outros parâmetros.
Este protocolo otimizado foi então aplicado em vários tipos de tecidopara comparar abundâncias circrna. Cinco regiões cerebrais, incluindo BC, MG, OC, IP e SF, de quatro idosos saudáveis, foram testadas, juntamente com outros quatro tipos de tecidos, incluindo LV, LU, LN e PA, de seis doadores saudáveis. No geral, uma maior abundância de circRNAs foi observada no cérebro em comparação com outros tipos de tecidos (Figura 4), como já foi relatado anteriormente19,20.
Figura 1: Detecção de CircRNA usando kits de RNA totais TruSeq vs. Kapa. Os dados de sequenciamento foram gerados para o RNA da UC usando dois kits de preparação total de RNA separados, cada um com pré-tratamento de RNA e ribonuclease R (RNase R) de 1, 2, 4, 5 e 10 μg. O número de circRNAs detectados pelas ferramentas em cada amostra foi normalizado para o número de leituras mapeadas, por milhão (eixo Y). Clique aqui para ver uma versão maior deste número.
Figura 2: Detecção de CircRNA com e sem pré-tratamento RNase R. Os dados de sequenciamento gerados pelo kit TruSeq foram usados para comparar o impacto do pré-tratamento RNase R. O RNA foi extraído do giro temporal médio (MG) de controles idosos saudáveis para esta análise. O número normalizado de circRNAs detectados (Eixo Y) foi calculado de forma semelhante à Figura 1. RNase R+ = pré-tratado com RNase R, RNase R- = não pré-tratado com RNase R. Clique aqui para ver uma versão maior deste número.
Figura 3: Detecção circrna usando quantidade variável de RNA de entrada. Usando RNA extraído de MG, córtex occipital (OC) e giro frontal superior (SF), bem como RNA uc, o número de circRNAs únicas detectadas ao usar 1, 2 e 4 μg de RNA de entrada, cada um cuja biblioteca foi construída usando o kit TruSeq e RNase R pré-tratamento, foi comparado. O número normalizado de circRNAs detectados (Eixo Y) foi calculado de forma semelhante à Figura 1. Clique aqui para ver uma versão maior deste número.
Figura 4: Detecção circrna em cérebro versus outros tipos de tecido. Os conjuntos de dados enriquecidos com CircRNA usando RNA extraído de várias regiões cerebrais, incluindo cerebelo (BC), lobo parietal inferior (IP), MG, OC e SF, bem como quatro outros tipos de tecidos, incluindo fígado (LV), pulmão (LU), nólina linfática (LN) e pâncreas (PA). O enriquecimento circrna foi realizado usando o kit Illumina TruSeq com pré-tratamento RNase R e 4 μg de RNA total de entrada. As parcelas da caixa representam o número de circRNAs detectados pelo menos por três das seis ferramentas através das amostras de cada região do cérebro/tipo do tecido. Clique aqui para ver uma versão maior deste número.
| Teste # | Parâmetro avaliado | Condições de teste | Fonte da amostra | Quantidades/condições/amostras testadas | Número total de leituras de sequenciamento |
| 1 | Kit de preparação para a biblioteca | Illumina TruSeq Stranded Total RNA vs. os kits roche Kapa Total RNA | Uc | TruSeq: 1 μg TruSeq: 1 μg | 8,91,46,128 |
| TruSeq: 2 μg TruSeq: 2 μg | 7,93,90,202 | ||||
| TruSeq: 4 μg TruSeq: 4 μg | 6,66,12,238 | ||||
| TruSeq: 5 μg TruSeq: 5 μg | 7,88,56,902 | ||||
| TruSeq: 10 μg TruSeq: 10 μg | 6,61,06,874 | ||||
| Kapa: 1 μg Kapa: 1 μg | 8,83,95,496 | ||||
| Kapa: 2 μg Kapa: 2 μg | 10,66,59,272 | ||||
| Kapa: 4 μg Kapa: 4 μg | 10,62,34,954 | ||||
| Kapa: 5 μg Kapa: 5 μg | 7,47,75,914 | ||||
| Kapa: 10 μg Kapa: 10 μg | 11,00,68,504 | ||||
| 2 | Pré-tratamento | RNase R pré-tratado sem pré-tratamento | Mg | Par1: MG_1 (RNase R+) | 10,76,09,934 |
| Par1: MG_5 (RNase R-) | 9,62,15,516 | ||||
| Par2: MG_2 (RNase R+) | 9,68,40,790 | ||||
| Par2: MG_6 (RNase R-) | 10,16,09,754 | ||||
| Par3: MG_3 (RNase R+) | 11,15,76,344 | ||||
| Par3: MG_7 (RNase R-) | 11,13,14,114 | ||||
| 3 | Entrada total de RNA | 1 μg vs. 2 μg vs. 4 μg | MG, OC, SF, UC | MG: 1 μg | 12,00,94,758 |
| MG: 2 μg | 11,64,75,728 | ||||
| MG: 4 μg | 12,13,15,232 | ||||
| OC: 1 μg | 11,11,18,120 | ||||
| OC: 2 μg OC: 2 μg | 11,53,25,492 | ||||
| OC: 4 μg OC: 4 μg | 11,49,13,266 | ||||
| SF: 1 μg | 12,27,24,142 | ||||
| SF: 2 μg SF: 2 μg | 9,39,33,288 | ||||
| SF: 4 μg SF: 4 μg | 12,33,31,474 | ||||
| UC: 1 μg | 9,24,48,120 | ||||
| UC: 2 μg | 12,58,15,354 | ||||
| UC: 4 μg | 12,56,92,534 | ||||
| 4 | Tipos de tecidos | Regiões cerebrais versus outros tipos de tecido | BC, MG, OC, SF, IP, LU, LV, LN, PA | BC_1 | 10,72,08,904 |
| BC_2 | 11,18,33,362 | ||||
| BC_3 | 9,61,25,856 | ||||
| BC_4 | 9,62,77,094 | ||||
| IP_1 | 9,86,56,506 | ||||
| IP_2 | 11,35,95,746 | ||||
| IP_3 | 12,87,81,536 | ||||
| IP_4 | 9,59,81,446 | ||||
| MG_1 | 10,76,09,934 | ||||
| MG_2 | 9,68,40,790 | ||||
| MG_3 | 11,15,76,344 | ||||
| MG_4 | 10,05,39,028 | ||||
| OC_1 | 8,85,47,042 | ||||
| OC_2 | 12,09,83,142 | ||||
| OC_3 | 10,26,55,452 | ||||
| OC_4 | 10,84,49,330 | ||||
| SF_1 | 8,76,21,824 | ||||
| SF_2 | 14,50,57,894 | ||||
| SF_3 | 11,01,52,030 | ||||
| SF_4 | 9,67,24,472 | ||||
| LN_1 | 15,02,94,816 | ||||
| LN_2 | 8,33,30,187 | ||||
| LN_3 | 11,30,96,032 | ||||
| LN_4 | 10,78,38,278 | ||||
| LU_1 | 16,05,27,595 | ||||
| LU_2 | 8,94,30,799 | ||||
| LU_3 | 9,14,51,858 | ||||
| LV_1 | 9,72,18,369 | ||||
| LV_2 | 10,54,16,880 | ||||
| LV_3 | 8,86,53,148 | ||||
| LV_4 | 8,61,02,943 | ||||
| LV_5 | 12,87,88,483 | ||||
| LV_6 | 11,87,76,622 | ||||
| PA_1 | 8,79,20,160 | ||||
| PA_2 | 7,82,36,741 | ||||
| PA_3 | 10,21,24,209 | ||||
| PA_4 | 11,53,22,926 |
Tabela 1: Resumo das condições da amostra e do teste. Resumo de todos os parâmetros e condições de teste avaliados neste estudo, juntamente com o número total de leituras de sequenciamento geradas para cada amostra. UC = controle universal, MG = giro temporal médio, OC = córtex occipital, BC = cerebelo, IP = lobo parietal inferior, SF = giro frontal superior, LU = pulmão, LV = fígado, LN = linfonodo, PA = pâncreas, RNase R = ribonuclease R, RNase R+ = pré-tratado com RNase R, RNase R- = não pré-tratado com RNase R.
| Fonte da amostra | Quantidades/amostras de entrada testadas | Por cento rRNA |
| Uc | TruSeq: 1 μg TruSeq: 1 μg | 5.53% |
| TruSeq: 2 μg TruSeq: 2 μg | 4.11% | |
| TruSeq: 4 μg TruSeq: 4 μg | 4.38% | |
| TruSeq: 5 μg TruSeq: 5 μg | 3.21% | |
| TruSeq: 10 μg TruSeq: 10 μg | 3.74% | |
| Kapa: 1 μg Kapa: 1 μg | 5.57% | |
| Kapa: 2 μg Kapa: 2 μg | 4.56% | |
| Kapa: 4 μg Kapa: 4 μg | 9.67% | |
| Kapa: 5 μg Kapa: 5 μg | 12.69% | |
| Kapa: 10 μg Kapa: 10 μg | 15.59% |
Tabela 2: porcentagens de rRNA nas bibliotecas TruSeq vs. Kapa.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Neste estudo, dois kits de preparação de bibliotecas comercialmente disponíveis, opções de pré-tratamento e quantidades de RNA de entrada foram testados para otimizar um protocolo de enriquecimento circRNA para a construção de bibliotecas de sequenciamento circRNA. Com base nas avaliações deste estudo, uma série de aspectos-chave e medidas críticas na criação de bibliotecas de sequenciamento circRNA são aparentes. Nossa avaliação confirma a utilidade do pré-tratamento RNase R, como refletido pelo aumento do número de circRNAs detectados. No geral, observou-se uma maior diversidade de circRNAs ao usar o kit da biblioteca Illumina TruSeq com pré-tratamento RNase R e 4 μg de RNA de entrada. Estes resultados alinham-se com os resultados anteriores de que o passo de enriquecimento RNase R é benéfico para a detecção de circRNAs2.
Aspectos-chave adicionais da construção da biblioteca circRNA incluem a quantidade de RNA total que está disponível para sequenciamento, bem como o tipo de tecido que o RNA extraído. Embora uma entrada de 4 μg de RNA total tenha sido encontrada para produzir o maior número de circRNAs detectadas, a maioria dos estudos rnaseq utiliza <=1 μg do RNA total, de tal forma que a obtenção de quantidades mais altas pode ser um desafio, particularmente para a análise de espécimes humanos. A identificação dos circRNAs continua a ser viável para valores de menor insumo, mas é relevante reconhecer que a especificidade da análise pode ser impactada. Este estudo destaca ainda mais o maior número de circRNAs que são detectadas no cérebro humano em comparação com outros tecidos, como relatado anteriormente19,20. Portanto, é fundamental reconhecer a expressão diferencial de circRNAs em diferentes tipos de tecidos. Além disso, pesquisas adicionais no contexto da doença serão importantes para lançar luz sobre como circRNAs podem estar envolvidas em processos patogênicos.
O desempenho dos dois kits avaliados de preparação da biblioteca rna também destaca que, embora diferentes kits comercialmente disponíveis possam demonstrar semelhanças significativas, as diferenças ainda são observadas ao analisar circRNAs. Dois resultados principais desta comparação incluem a depleção diminuída do rRNA e um número mais baixo de circRNAs identificados usando uma aproximação. Embora uma possibilidade seja que uma maior abundância de rRNA em uma amostra possa interferir na criação de moléculas de biblioteca circRNA capazes de sequência, essa descoberta enfatiza a necessidade de avaliar kits aparentemente semelhantes, particularmente quando os reagentes são proprietários.
Embora os dados aqui fornecidos forneçam introspecções na existência e na abundância de circRNAs em vários tipos do tecido, este estudo tem algumas limitações técnicas. Em primeiro lugar, enquanto o tratamento RNase R reduz a população de RNAs lineares em uma amostra, não é bem compreendido se esta etapa de esgotamento introduz quaisquer vieses na detecção circRNA e se pode esgotar circRNAs. Estudos anteriores relataram que, em alguns casos, circRNAs são sensíveis ao RNase R2,24,25. Em segundo lugar, não está claro se o aumento da entrada total de RNA acima de 4 μg resultará em um aumento linear no número de circRNAs identificadas. Como mencionado anteriormente, o RNA total disponível é muitas vezes limitado em estudos de pesquisa, de modo que os valores de insumos mais baixos foram considerados aqui. De nota, circRNAs ainda podem ser detectados ao usar entradas mais baixas, mas é importante reconhecer que os insumos mais baixos estão associados com a detecção de um menor número de circRNAs. Em terceiro lugar, o protocolo otimizado apresentado aqui utiliza RNAs extraídos de um conjunto específico de tecidos. Dada a distribuição variável da expressão circRNA em diferentes tipos de tecidos, a associação entre quantidades totais de insumos de RNA e o número de circRNAs identificadas pode diferir entre os tecidos.
Com interesses crescentes na compreensão do papel biológico dos circRNAs, novas estratégias também estão sendo desenvolvidas para melhor possibilitar caracterização e identificação de circRNAs. Uma nova abordagem de bioinformática permite a identificação de circRNAs que podem ser expressas humildemente através da reconstrução de circRNAs de corpo inteiro, e também permite a quantificação da expressão de circRNA isoformasioforma 26. Esta abordagem tira proveito das características descritas como sobreposição reversa (RO) lê que podem ocorrer nas extremidades de 3 ou 5' de moléculas da biblioteca circRNA. O desenvolvimento de novas estratégias de identificação de circRNAs, abrangendo abordagens laboratoriais e ferramentas de bioinformática, contribuirá para a compreensão do campo da função e impacto das circRNAs.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Os autores não têm nada a divulgar.
Acknowledgments
Estamos gratos ao Banner Sun Health Research Institute Brain and Body Donation Program (BBDP) de Sun City, Arizona para o fornecimento de tecidos cerebrais humanos. O BBDP tem sido apoiado pelo Instituto Nacional de Distúrbios Neurológicos e Acidente Vascular Cerebral (U24 NS072026 National Brain and Tissue Resource for Parkinson's Disease and Related Disorders), o National Institute on Aging (P30AG19610 Arizona Alzheimer's Disease Core Center), o Arizona Department of Health Services (contrato 211002, Arizona Alzheimer's Research Center), o Arizona Biomedical Research Commission (contratos 4001, 0011, 05-901 e 1001 para o Arizona Parkinson's Disease Consortium) e michael J. Fox Foundation for Parkinson's Research27. Este estudo também foi apoiado pelo DHS e pelo Estado do Arizona (concessão adhs # ADHS14-052688). Agradecemos também a Andrea Schmitt (Banner Research) e Cynthia Lechuga (TGen) pelo apoio administrativo.
Materials
| Name | Company | Catalog Number | Comments |
| 1,000 µL pipette tips | Rainin | GP-L1000F | |
| 20 µL pipette tips | Rainin | SR L 10F | |
| 200 µL pipette tips | Rainin | SR L 200F | |
| 2200 TapeStation Accessories (foil covers) | Agilent Technologies | 5067-5154 | |
| 2200 TapeStation Accessories (tips) | Agilent Technologies | 5067-5153 | |
| Adhesive Film for Microplates | VWR | 60941-064 | |
| AMPure XP Beads 450 mL | Beckman Coulter | A63882 | PCR purification |
| Eppendorf twin.tec 96-Well PCR Plates | VWR | 951020401 | |
| High Sensitivity D1000 reagents | Agilent Technologies | 5067-5585 | |
| High Sensitivity D1000 ScreenTape | Agilent Technologies | 5067-5584 | |
| HiSeq 2500 Sequencing System | Illumina | SY-401-2501 | |
| HiSeq 3000/4000 PE Cluster Kit | Illumina | PE-410-1001 | |
| HiSeq 3000/4000 SBS Kit (150 cycles) | Illumina | FC-410-1002 | |
| HiSeq 4000 Sequencing System | Illumina | SY-401-4001 | |
| HiSeq PE PE Rapid Cluster Kit v2 | Illumina | PE-402-4002 | |
| HiSeq Rapid SBS Kit v2 (50 cycle) | Illumina | FC-402-4022 | |
| Kapa Total RNA Kit | Roche | KK8400 | |
| Molecular biology grade ethanol | Fisher Scientific | BP28184 | |
| Qubit Assay Tubes | Supply Center by Thermo Fischer | Q32856 | |
| Qubit dsDNA High Sense Assay Kit | Supply Center by Thermo Fischer | Q32854 | |
| RNA cleanup and concentrator - 5 | Zymo | RCC-100 | Contains purification columns, collection tubes |
| RNAClean XP beads | Beckman Coulter Genomics | RNA Cleanup beads | |
| Rnase R | Lucigen | RNR07250 | |
| SuperScript II Reverse Transcriptase 10,000 units | ThermoFisher (LifeTech) | 18064014 | |
| TapeStation 2200 | Agilent Technologies | Nucleic Acid analyzer | |
| TElowE | VWR | 10128-588 | |
| TruSeq Stranded Total RNA Library Prep Kit | Illumina | 20020596 | Kit used in section 3 |
| Two-Compartment Divided Tray | VWR | 3054-1004 | |
| UltraPure Water | Supply Center by Thermo Fischer | 10977-015 | |
| Universal control RNA | Agilent | 740000 |
References
- Salzman, J., Gawad, C., Wang, P. L., Lacayo, N., Brown, P. O. Circular RNAs are the predominant transcript isoform from hundreds of human genes in diverse cell types. PloS One. 7 (2), e30733 (2012).
- Jeck, W. R., et al. Circular RNAs are abundant, conserved, and associated with ALU repeats. RNA. 19 (2), 141-157 (2013).
- Memczak, S., et al. Circular RNAs are a large class of animal RNAs with regulatory potency. Nature. 495 (7441), 333-338 (2013).
- Sanger, H. L., Klotz, G., Riesner, D., Gross, H. J., Kleinschmidt, A. K. Viroids are single-stranded covalently closed circular RNA molecules existing as highly base-paired rod-like structures. Proceedings of the National Academy of Sciences of the United States of America. 73 (11), 3852-3856 (1976).
- Nigro, J. M., et al.
- Salzman, J., Chen, R. E., Olsen, M. N., Wang, P. L., Brown, P. O. Cell-type specific features of circular RNA expression. PLoS Genetics. 9 (9), e1003777 (2013).
- Du, W. W., et al. Foxo3 circular RNA promotes cardiac senescence by modulating multiple factors associated with stress and senescence responses. European Heart Journal. 38 (18), 1402-1412 (2016).
- Capel, B., et al. Circular transcripts of the testis-determining gene Sry in adult mouse testis. Cell. 73 (5), 1019-1030 (1993).
- Hansen, T. B., et al. miRNA-dependent gene silencing involving Ago2-mediated cleavage of a circular antisense RNA. The EMBO Journal. 30 (21), 4414-4422 (2011).
- Hansen, T. B., et al. Natural RNA circles function as efficient microRNA sponges. Nature. 495 (7441), 384-388 (2013).
- Li, Z., et al. Exon-intron circular RNAs regulate transcription in the nucleus. Nature Structural & Molecular Biology. 22 (3), 256-264 (2015).
- Tan, W. L., et al. A landscape of circular RNA expression in the human heart. Cardiovascular Research. 113 (3), 298-309 (2016).
- Zhong, Z., Lv, M., Chen, J. Screening differential circular RNA expression profiles reveals the regulatory role of circTCF25-miR-103a-3p/miR-107-CDK6 pathway in bladder carcinoma. Scientific Reports. 6, 30919 (2016).
- Gao, Y., Wang, J., Zhao, F. CIRI: an efficient and unbiased algorithm for de novo circular RNA identification. Genome Biology. 16, 4-014-0571-0573 (2015).
- Wang, K., et al. MapSplice: accurate mapping of RNA-seq reads for splice junction discovery. Nucleic Acids Research. 38 (18), e178 (2010).
- Szabo, L., et al. Statistically based splicing detection reveals neural enrichment and tissue-specific induction of circular RNA during human fetal development. Genome Biology. 16, 126-015-0690-0695 (2015).
- Cheng, J., Metge, F., Dieterich, C. Specific identification and quantification of circular RNAs from sequencing data. Bioinformatics. 32 (7), 1094-1096 (2016).
- Zhang, X. O., et al.
- Rybak-Wolf, A., et al. Circular RNAs in the mammalian brain are highly abundant, conserved, and dynamically expressed. Molecular Cell. 58 (5), 870-885 (2015).
- Ji, P., et al. Expanded Expression Landscape and Prioritization of Circular RNAs in Mammals. Cell Reports. 26 (12), 3444-3460 (2019).
- Hansen, T. B., Venø, M. T., Damgaard, C. K., Kjems, J. Comparison of circular RNA prediction tools. Nucleic Acids Research. 44 (6), e58 (2016).
- Zeng, X., Lin, W., Guo, M., Zou, Q. A comprehensive overview and evaluation of circular RNA detection tools. PLoS Comput Biol. 13 (6), e1005420 (2017).
- Sekar, S., et al. ACValidator: a novel assembly-based approach for in silico validation of circular RNAs. bioRxiv. , (2019).
- Westholm, J. O., et al. Genome-wide analysis of drosophila circular RNAs reveals their structural and sequence properties and age-dependent neural accumulation. Cell Reports. 9 (5), 1966-1980 (2014).
- Szabo, L., Salzman, J. Detecting circular RNAs: bioinformatic and experimental challenges. Nature Reviews Genetics. 17 (11), 679-692 (2016).
- Zheng, Y., Ji, P., Chen, S., Hou, L., Zhao, F. Reconstruction of full-length circular RNAs enables isoform-level quantification. Genome Medicine. 11 (1), 2 (2019).
- Beach, T. G., et al. Arizona study of aging and neurodegenerative disorders and brain and body donation program. Neuropathology. 35 (4), 354-389 (2015).
