长链非编码RNA LINC270编码小肽在肝癌发生发展的作用及机制研究

Hepatocellular carcinoma (HCC) is a malignant tumor with high incidence and high mortality, which threatens people’s health gravely. As the mechanism of tumorigenesis is still obscure, it is of great significance to investigate its relationship with novel genes. Recently, the micro-peptide encoded by long non-coding RNA (lncRNA) has been reported to play essential roles in tumor progression. However, the difficult recognition of micro-peptides limited its functional investigation in cancers. Based on ribosome-protected fragment sequencing (RPF-Seq), we quantified the ribosome binding features of protein coding genes and then combined with four machine learning algorithms to construct the coding ORF prediction classifier, which accuracy was up to 99.7%. Besides, the classifier was suitable to predict micro-peptide encoded by lncRNAs. Based on our classifier and the lncRNA expression profiles originated from 7 cancer types, 22 cancer-related lncRNA-encoded micro-peptides were identified. According to their expression profiles, we selected four of them to validate their coding potentials. Moreover, three lncRNAs were proved to encode micro-peptides. Furthermore, the up-regulated LINC270 in HCC tissues could promote cancer cell migration. Using RNA-Seq and RPF-Seq, we aim to elucidate the molecular mechanisms of LINC270 on regulation of cell migration at transcriptional and translational levels.

肝细胞肝癌（下称肝癌）是一种高发生率和高致死率的恶性肿瘤，其严重威胁人民的健康。由于其癌变机制仍尚未明确，研究新基因的功能与肝癌发生、发展的关系具有重要的研究意义。近期文献报道，长非编码RNA（lncRNA）编码小肽在肿瘤进展中扮演重要的角色，但是小肽的识别困难限制其在肿瘤中的功能研究。我们的前期研究基于核糖体保护测序数据，定量分析蛋白编码基因的核糖体结合特性并结合4种机器学习算法，构建准确性达99.7%且适用于小肽预测的ORF编码能力预测分类器。应用分类器及联合7种肿瘤lncRNA表达谱，预测出22个肿瘤相关且编码小肽的lncRNAs。我们根据表达谱挑选四个lncRNAs，并证明其中三个能够编码小肽。更重要的是，其中在肝癌组织中上调表达的LINC270能够促进肝癌细胞迁移。因此，本课题拟联合全转录组和核糖体保护测序，从转录和翻译层面阐明LINC270调控肝癌细胞迁移的分子机制。

肝细胞癌（HCC）占原发性肝癌的90%以上，不仅是全球第六大常见恶性肿瘤而且是癌症死亡的第三大原因。尽管目前对其发病机制及治疗有较为深入的研究，但HCC的5年总生存率仍低于40%。因此，HCC的发生发展可能存在新的功能机制。小肽(≤100个氨基酸）是生理和病理过程的重要调节因子，可由长非编码RNA（lncRNAs）衍生的小开放阅读框（smORF）编码。由于缺乏评估smORF编码能力的方法，因此其不仅难以识别，同时导致我们对其功能，特别是癌症中的病理功能知之甚少。本项目基于核糖体保护片段测序数据结合4种机器学习方法（逻辑回归、线性判别分析、支持向量机和随机森林），构建了能够评估lncRNA来源smORF编码能力的预测分类器模型。通过模型，我们共预测到537个能够翻译小肽的smORF。随后，通过构建载体方法验证其中4个smORF的编码潜能，并发现其中3个smORF能够编码小肽。通过结合七种癌症的lncRNA表达谱，我们确定其中在肝癌组织中表达显著上调的lncRNA LINC270来源的smORF进行深入的功能研究。功能研究表明，LINC270通过抑制NADH脱氢酶的表达，提高细胞内活性氧的生成，从而促进癌细胞的迁移，表明LINC270翻译小肽是HCC进展中的一个重要致癌事件。在这项研究中，我们系统地鉴定了lncRNAs中能够翻译小肽的smORF，并结合肿瘤表达谱筛选到肿瘤相关lncRNA编码小肽，随后通过细胞实验探索了它们在癌症中的潜在病理功能，极大地提高我们对生命系统的全面理解。