Summary

Karakterisatie van functioneel geassocieerde Mirna's in glioblastoma en hun engineering in kunstmatige clusters voor gentherapie

Published: October 04, 2019
doi:

Summary

Hier beschreven is een protocol voor het karakteriseren van modules van biologisch synergetische miRNAs en hun assemblage in korte transgenen, waardoor gelijktijdige overexpressie voor gentherapie toepassingen mogelijk is.

Abstract

De biologische relevantie van microRNAs (miRNAs) in gezondheid en ziekte is sterk afhankelijk van specifieke combinaties van veel gelijktijdig gedereguleerde miRNAs in plaats van de werking van een enkele miRNA. De karakterisering van deze specifieke miRNAs-modules is een fundamentele stap om het gebruik ervan in de therapie te maximaliseren. Dit is uitermate relevant omdat hun combinatorische attributen praktisch uitgebuit kunnen worden. Hier beschreven is een methode om een specifieke Mirna-handtekening te definiëren die relevant is voor de controle van oncogene chromatine-van in glioblastoma. De aanpak definieert eerst een algemene groep van miRNAs die zijn gedereguleerd in tumoren in vergelijking met normaal weefsel. De analyse wordt verder verfijnd door differentiële cultuuromstandigheden, waarbij een subgroep van Mirna’s wordt onderstreept die gelijktijdig worden uitgedrukt tijdens specifieke cellulaire toestanden. Ten slotte worden de miRNAs die aan deze filters voldoet, gecombineerd tot een kunstmatige polycistronic transgenes, die is gebaseerd op een steiger van natuurlijk bestaande miRNA clusters genen, vervolgens gebruikt voor overexpressie van deze miRNA modules in ontvangende cellen.

Introduction

miRNAs biedt een ongeëvenaarde kans voor de ontwikkeling van een brede gentherapie benadering van vele ziekten1,2,3, waaronder kanker4,5. Dit is gebaseerd op een aantal unieke kenmerken van deze biologische moleculen, met inbegrip van hun kleine maat6, eenvoudige biogenese7, en natuurlijke neiging om te functioneren in vereniging8. Veel ziekten worden gekenmerkt door specifieke miRNA-expressie patronen, die vaak convergeren over de regulering van complexe biologische functies9. Het doel van deze methode is om eerst een strategie te definiëren om groepen van miRNAs te identificeren die synergetisch relevant zijn voor specifieke cellulaire functies. Bijgevolg biedt het een strategie voor het opnieuw opzetten van dergelijke miRNA-combinaties in downstreamstudies en toepassingen.

Deze methode maakt functionele analyse van meerdere Mirna’s tegelijk mogelijk, gebruikmakend van hun gelijktijdige targeting van een groot aantal Mrna’s, waardoor de complexe landschappen van ziekten worden samengevat. Deze aanpak is onlangs gebruikt om een groep van drie Mirna’s te definiëren die 1) gelijktijdig worden gedowngereguleerd in hersenkanker en 2) vertonen een sterk co-expressie patroon tijdens Neurale differentiatie, evenals in reactie op genotoxische stress door straling of een DNA alkylerende agent. De combinatorische re-expressie van deze module van drie miRNAs door de hieronder beschreven clustering methode resulteert in diepgaande interferentie met de biologie van kankercellen en kan gemakkelijk worden gebruikt als een gentherapie strategie voor preklinische studies10. Dit protocol kan van bijzonder belang zijn voor degenen die betrokken zijn bij het onderzoek van miRNA en de translationele toepassingen ervan.

Protocol

1. karakterisering van functioneel geassocieerde miRNAs in glioblastoma Analyse van de brede differentiële Mirna expressie in multiform glioblastoom vs. hersenen Bepaal eerst de meest sterk gedereguleerde miRNAs in de tumor. Dit kan worden bereikt met behulp van ten minste drie verschillende methoden: Mine de kanker genoom Atlas, gevonden op https://www.cancer.gov/about-nci/organization/ccg/research/structural-genomics/tcga, voor sequencing data11.</li…

Representative Results

Deze methode toegestaan karakterisatie van een module van drie miRNAs die consequent worden gedowngereguleerd in hersentumoren, die zijn mede-uitgedrukt specifiek tijdens neuronale differentiatie (Figuur 1) en betrokken bij de tumor Survival reactie na therapie (Figuur 2). Dit wordt bereikt door het reguleren van een complexe oncogene chromatine repressieve traject. Dit co-expressie patroon suggereerde een sterke synergetische ac…

Discussion

Dit protocol is gebaseerd op het idee dat, in plaats van te functioneren in afzondering, miRNAs biologisch relevant is door in groepen te werken, en deze groepen worden transcriptioneel bepaald door specifieke cellulaire contexten26. Om deze benadering vanuit een translationeel perspectief te rechtvaardigen, wordt een follow-up protocol geïntroduceerd dat het mogelijk maakt dit multi-miRNA-patroon in cellen/weefsels te recreëren. Dit is mogelijk door gebruik te maken van de relatief eenvoudige b…

Disclosures

The authors have nothing to disclose.

Acknowledgements

De auteurs willen de leden van het Harvey Cushing Neuro Oncology laboratorium bedanken voor hun steun en constructieve kritiek. Dit werk werd gesteund door NINDS Grants K12NS80223 en K08NS101091 aan P. P.

Materials

0.4% low melting temperature agarose  IBI Scientific IB70058
0.45 µM sterile filter unit Merck Millipore SLH033RS
1.5-mL Microcentrifuge tube Eppendorf 22431081
6-Well plates  Greiner Bio-One 657160
Athymic mice (FoxN1 nu/nu) Envigo 069(nu)/070(nu/+)
B-27 Supplement  Thermo Fisher Scientific 12587010
Cell culture flask Greiner Bio-One 660175
Cell Scraper, 16cm Sarstedt 83.1832
Cesium 137 irradiator  JL Sheperd and Associates Core Facility (Harvard Medical School)
Chloroform Sigma-Aldrich 439142-4L
DMEM, high glucose, pyruvate  Thermo Fisher Scientific 11995040
Dulbecco’s phosphate-buffered saline  Gibco 14190144
Eosin Y solution  Sigma-Aldrich E4009
Fetal Bovine Serum  Sigma-Aldrich F9665
Formalin solution Sigma-Aldrich HT501128
GlutaMAX Supplement  Thermo Fisher Scientific 35050061
HEK-293 American Type Culture Collecti ATCC CRL-1573
Hematoxylin solution Sigma-Aldrich 1051750500
Human primary glioma stem-like cells (GBM62) Provided by Dr. E. A. Chiocca (Brigham and Women’s Hospital, Boston, MA)
Human primary glioma stem-like cells (MGG4) Provided by Dr. Hiroaki Wakimoto (Massachusetts General Hospital, Boston, MA)
Lentiviral vector pCDH-CMV-MCS-EF1-copGFP System Biosciences CD511B-1
Lipofectamine 2000  Thermo Fisher Scientific 11668019
Microcentrifuge refrigerated Eppendorf model no. 5424 R, cat. no.5404000138
Mounting medium  Thermo Fisher Scientific 4112APG
Nalgene High-Speed Polycarbonate Round Bottom Centrifuge Tubes  Thermo Fisher Scientific  3117-0380PK
NanoDrop Thermo Fisher Scientific 2000c
Neural Progenitor cells (NPC) Provided by Dr. Jakub Godlewski (Brigham and Women’s Hospital, Boston, MA)
Neurobasal Medium  Thermo Fisher Scientific 21103049
Nikon eclipse Ti motorized fluorescent microscope system Nikon, Japan 14314
Opti-MEM Thermo Fisher Scientific 31985088
PCR tubes  Sigma-Aldrich CLS6571-960EA
Penicillin-Streptomycin  Thermo Fisher Scientific 15140122
Petri-Dishes 94/16  Greiner Bio-One 632180
Poly-D-Lysine  Sigma- Aldrich P4707
Recombinant Human EGF  PeproTech  AF-100-15
Recombinant Human FGF-basic  PeproTech  AF-100-18B
Retinoic acid Gibco 12587-010 
RNA Miniprep Kit Direct-zol R2050
S1000 Thermal Cycler  Bio-Rad 1852196
Small Animal Image-Guided Micro Irradiator  Xstrahal Life Sciences, UK Core facility (Dana-Farber Cancer Institute, Boston, MA)
Sorvall WX+ Ultracentrifuge  Thermo Fisher Scientific  75000100
StemPro Accutase  Thermo Fisher Scientific A1110501
StepOne Real-Time PCR System Applied Biosystems  4376357
SterilGARD biosafety cabinet  The Baker Company SG403A-HE
Sucrose Sigma-Aldrich S9378
T98-G American Type Culture Collecti ATCC CRL-1690
TaqMan MicroRNA Reverse Transcription Kit  Thermo Fisher Scientific 4366596
TaqMan Universal PCR Master Mix Thermo Fisher Scientific 4324018
Temozolomide Tocris Bioscience 2706
Tissue-Tek optimum cutting temperature  Fisher Scientific NC9636948
TRIzol Reagent  Thermo Fisher Scientific 15596026 Lysis reagent
U251-MG American Type Culture Collecti ATCC HTB-17
U87-MG  American Type Culture Collecti ATCC HTB-14
ViraPower Lentivector Expression system  Thermo Fisher Scientific K4970-00
Water, HPLC grade Fisher W54
Xylene  Sigma-Aldrich 534056

References

  1. Wu, Y. E., Parikshak, N. N., Belgard, T. G., Geschwind, D. H. Genome-wide, integrative analysis implicates miRNA dysregulation in autism spectrum disorder. Nature Neuroscience. 19, 1463-1476 (2016).
  2. Esteller, M. Non-coding RNAs in human disease. Nature Reviews Genetics. 12, 861-874 (2011).
  3. Moradifard, S., Hoseinbeyki, M., Ganji, S. M., Minuchehr, Z. Analysis of miRNA and Gene Expression Profiles in Alzheimer’s Disease: A Meta-Analysis Approach. Scientific Reports. 8, 4767 (2018).
  4. Calin, G. A., et al. Frequent deletions and down-regulation of micro- RNA genes miR15 and miR16 at 13q14 in chronic lymphocytic leukemia. Proceedings of the National Academy of Sciencesof the United States of America. 99, 15524-15529 (2002).
  5. Croce, C. M. Causes and consequences of miRNA dysregulation in cancer. Nature Reviews Genetics. 10, 704-714 (2009).
  6. Ambros, V. miRNAs: tiny regulators with great potential. Cell. 107, 823-826 (2001).
  7. Treiber, T., Treiber, N., Meister, G. Regulation of miRNA biogenesis and its crosstalk with other cellular pathways. Nature Reviews Molecular Cell Biology. 20, 5-20 (2019).
  8. He, L., et al. A miRNA polycistron as a potential human oncogene. Nature. 435, 828-833 (2005).
  9. Santos, M. C., et al. miR-124, −128, and −137 orchestrate neural differentiation by acting on overlapping gene sets containing a highly connected transcription factor network. Stem Cells. 34, 220-232 (2016).
  10. Bhaskaran, V., et al. The functional synergism of miRNA clustering provides therapeutically relevant epigenetic interference in glioblastoma. Nature Communications. 10 (1), 442 (2019).
  11. Kim, T. M., Huang, W., Park, R., Park, P. J., Johnson, M. D. A developmental taxonomy of glioblastoma defined and maintained by MiRNAs. Cancer Research. 71 (9), 3387-3399 (2011).
  12. Dell’Aversana, C., Giorgio, C., Altucci, L. MiRNA Expression Profiling Using Agilent One-Color Microarray. Methods in Molecular Biology. 1509, 169-183 (2017).
  13. Silber, J., et al. miR-124 and miR-137 inhibit proliferation of glioblastoma multiforme cells and induce differentiation of brain tumor stem cells. BMC Medicine. 6 (14), (2008).
  14. Hester, M. E., et al. Two factor reprogramming of human neural stem cells into pluripotency. PLoS ONE. 4 (9), e7044 (2009).
  15. Hsieh, J., et al. IGF-I instructs multipotent adult neural progenitor cells to become oligodendrocytes. Journal of Cell Biology. 164 (1), 111-122 (2004).
  16. Agarwal, V., Bell, G. W., Nam, J., Bartel, D. P. Predicting effective miRNA target sites in mammalian mRNAs. eLife. 4, e05005 (2015).
  17. Betel, D., Wilson, M., Gabow, A., Marks, D. S., Sander, C. The miRNA.org resource: targets and expression. Nucleic Acids Research. 36, D149-D153 (2008).
  18. Wong, N., Wang, X. miRD(B) an online resource for miRNA target prediction and functional annotations. Nucleic Acids Research. 43 (D1), D146-D152 (2015).
  19. Vlachos, I. S., et al. DIANA-miRPath v3.0: deciphering miRNA function with experimental support. Nucleic Acids Research. 43 (W1), W460-W466 (2015).
  20. Chen, J., Bardes, E. E., Aronow, B. J., Jegga, A. G. ToppGene Suite for gene list enrichment analysis and candidate gene prioritization. Nucleic Acids Research. 305, W305-W311 (2009).
  21. Aken, B. L., et al. Ensembl 2017. Nucleic Acids Research. 45, D635-D642 (2017).
  22. Kozomara, A., Birgaoanu, M., Griffiths-Jones, S. miRBase: from miRNA sequences to function. Nucleic Acid Research. 47, D155-D162 (2019).
  23. Lorenz, R., et al. Vienna RNA Package 2.0. Algorithms for Molecular Biology. 6 (1), 26 (2011).
  24. Hughes, R. A., Ellington, A. D. Synthetic DNA synthesis and assembly: Putting the synthetic in synthetic biology. Cold Spring Harbor Perspectives in Biology. 9 (1), a023812 (2017).
  25. Crommentuijn, M. H., et al. Intracranial AAV-sTRAIL combined with lanatoside C prolongs survival in an orthotopic xenograft mouse model of invasive glioblastoma. Molecular Oncology. 10 (4), 625-634 (2016).
  26. Ivey, K. N., Srivastava, D. MiRNAs as regulators of differentiation and cell fate decisions. Cell Stem Cell. 7, 36-41 (2010).
  27. Han, J., et al. Molecular Basis for the Recognition of Primary miRNAs by the Drosha-DGCR8 Complex. Cell. 125, 887-901 (2006).
  28. Barroso-del Jesus, A., Lucena-Aguilar, G., Menendez, P. The miR-302-367 cluster as a potential stemness regulator in ESCs. Cell Cycle. 8, 394-398 (2009).
  29. Liu, Y. P., Haasnoot, J., Brake, O., Berkhout, B., Konstantinova, P. Inhibition of HIV-1 by multiple shRNAs expressed from a single miRNA polycistron. Nucleic Acid Research. 36, 2811-2824 (2008).
  30. Chen, S. C., Stern, P., Guo, Z., Chen, J. Expression of Multiple Artificial MiRNAs from a Chicken miRNA126-Based Lentiviral Vector. PLoS ONE. 6 (7), e22437 (2011).
  31. Yang, X., Marcucci, K., Anguela, X., Couto, L. B. Preclinical Evaluation of An Anti-HCV miRNA Cluster for Treatment of HCV Infection. Molecular Therapy. 21, 588-601 (2013).

Play Video

Cite This Article
Bhaskaran, V., Peruzzi, P. Characterization of Functionally Associated miRNAs in Glioblastoma and their Engineering into Artificial Clusters for Gene Therapy. J. Vis. Exp. (152), e60215, doi:10.3791/60215 (2019).

View Video