Summary

Charakterisierung von funktional assoziierten miRNAs in Glioblastom und deren Engineering in künstliche Cluster für die Gentherapie

Published: October 04, 2019
doi:

Summary

Hier wird ein Protokoll zur Charakterisierung von Modulen biologisch synergistischer miRNAs und deren Montage in kurze Transgene beschrieben, das eine gleichzeitige Überexpression für Gentherapieanwendungen ermöglicht.

Abstract

Die biologische Relevanz von microRNAs (miRNAs) in Gesundheit und Krankheit hängt signifikant von spezifischen Kombinationen vieler gleichzeitig deregulierter miRNAs ab und nicht von der Wirkung einer einzelnen miRNA. Die Charakterisierung dieser spezifischen miRNAs-Module ist ein grundlegender Schritt zur Maximierung ihrer Anwendung in der Therapie. Dies ist äußerst relevant, da ihre kombinatorischen Eigenschaften praktisch ausgenutzt werden können. Hier wird eine Methode beschrieben, um eine spezifische miRNA-Signatur zu definieren, die für die Kontrolle von onkogenen Chromatin-Repressoren bei Glioblastom relevant ist. Der Ansatz definiert zunächst eine allgemeine Gruppe von miRNAs, die bei Tumoren im Vergleich zu normalem Gewebe dereguliert werden. Die Analyse wird durch differenzielle Kulturbedingungen weiter verfeinert, was eine Untergruppe von miRNAs unterstreicht, die gleichzeitig während bestimmter Zellzustände mitexprimiert werden. Schließlich werden die miRNAs, die diese Filter zufriedenstellen, zu einem künstlichen polycistronischen Transgenes kombiniert, das auf einem Gerüst natürlich vorhandener miRNA-Clustergene basiert und dann zur Überexpression dieser miRNA-Module in empfangende Zellen verwendet wird.

Introduction

miRNAs bieten eine unübertroffene Möglichkeit für die Entwicklung eines breiten Gentherapie-Ansatzes für viele Krankheiten1,2,3, einschließlich Krebs4,5. Dies basiert auf mehreren einzigartigen Merkmalen dieser biologischen Moleküle, einschließlich ihrer kleinen Größe6, einfache Biogenese7, und natürliche Tendenz, in Assoziation zu funktionieren8. Viele Krankheiten sind durch spezifische miRNA-Expressionsmuster gekennzeichnet, die oft auf die Regulierung komplexer biologischer Funktionen konvergieren9. Der Zweck dieser Methode ist zunächst eine Strategie zu definieren, um Gruppen von miRNAs zu identifizieren, die synergistisch relevant für bestimmte zelluläre Funktionen sind. Folglich bietet sie eine Strategie für die Wiederherstellung solcher miRNA-Kombinationen in nachgelagerten Studien und Anwendungen.

Diese Methode ermöglicht die funktionelle Analyse mehrerer miRNAs auf einmal, indem sie ihre gleichzeitige Ausrichtung auf eine große Anzahl von mRNAs nutzt und so die komplexen Landschaften von Krankheiten rekapituliert. Dieser Ansatz wurde vor kurzem verwendet, um eine Gruppe von drei miRNAs zu definieren, die 1) gleichzeitig bei Hirntumor enregulierung sind und 2) ein starkes Ko-Expressionsmuster während der neuronalen Differenzierung sowie als Reaktion auf genotoxischen Stress durch Strahlung oder DNA-Alkylierungsmittel. Die kombinatorische Reexpression dieses Moduls von drei miRNAs durch die unten beschriebene Clustering-Methode führt zu tiefgreifenden Eingriffen in die Biologie von Krebszellen und kann leicht als Gentherapiestrategie für präklinische Studien verwendet werden10. Dieses Protokoll kann für diejenigen von besonderem Interesse sein, die an der miRNA-Forschung und ihren translationalen Anwendungen beteiligt sind.

Protocol

1. Charakterisierung von funktional assoziierten miRNAs bei Glioblastom Analyse der breiten differentialen miRNA-Expression bei Glioblastom vs. Gehirn Bestimmen Sie zunächst die am deutlichsten deregulierten miRNAs im Tumor. Dies kann mit mindestens drei verschiedenen Methoden erreicht werden: Mine the Cancer Genome Atlas, gefunden in https://www.cancer.gov/about-nci/organization/ccg/research/structural-genomics/tcga, zur Sequenzierung von Daten11.</li…

Representative Results

Diese Methode ermöglichte die Charakterisierung eines Moduls von drei miRNAs, die bei Hirntumoren konsequent downreguliert werden, die speziell während der neuronalen Differenzierung koexprimiert werden (Abbildung 1) und an der Tumorüberlebensreaktion nach Therapie (Abbildung 2). Dies wird durch die Regulierung eines komplexen onkogenen Chromatin-Repressionswegs erreicht. Dieses Co-Expressions-Muster deutete auf eine starke sy…

Discussion

Dieses Protokoll basiert auf der Vorstellung, dass miRNAs, anstatt isoliert zu funktionieren, biologisch relevant sind, indem sie in Gruppen arbeiten, und diese Gruppen werden transkriptionsweise durch spezifische zelluläre Kontexte bestimmt26. Um diesen Ansatz aus einer translationalen Perspektive zu rechtfertigen, wird ein Follow-up-Protokoll eingeführt, das die Nachbildung dieses Multi-miRNA-Musters in Zellen/Geweben ermöglicht. Dies ist möglich durch die relativ einfache Biogenese von miRN…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Die Autoren bedanken sich bei den Mitgliedern des Harvey Cushing Neuro Oncology Laboratory für die Unterstützung und konstruktive Kritik. Diese Arbeit wurde durch die NINDS-Zuschüsse K12NS80223 und K08NS101091 an P. P. unterstützt.

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