《The FEBS Journal》:Post-transcriptional regulatory networks: The dynamic interplay of RNA-binding proteins
编辑推荐:
本综述系统阐述了RNA结合蛋白(RBPs)如何通过复杂的相互作用网络动态调控基因表达。文章重点介绍了用于绘制RBP-RNA相互作用、蛋白质-蛋白质相互作用(PPI)、可视化核糖核蛋白(RNP)动力学、RNA中心研究方法及高通量功能筛选等前沿技术。作者强调,应将RBPs视为动态、整合的多尺度调控体系的组成部分,以全面理解基因表达控制的复杂性及其在疾病中的失调,为解码转录后调控网络(PTRN)的时空结构提供了系统级视角。
转录后调控网络:RNA结合蛋白的动态相互作用
基因表达的精细调控远不止于转录。在转录之后,RNA分子(尤其是信使RNA,mRNA)的命运——包括剪接、定位、翻译和降解——受到一系列RNA结合蛋白(RBP)的严密控制。传统上,RBPs常被当作孤立的调节因子进行研究,但越来越多的证据表明,RNA分子通常被多个RBPs协同结合,这些组合性相互作用构成了复杂且依赖于具体环境的转录后调控网络(PTRNs),其调控结果难以预测。本综述聚焦于近期扩展我们绘制和解读PTRNs能力的技术进展,并展望了整合性动态模型的发展方向。
核糖核蛋白(RNP)的复杂性
RBPs是介导转录后基因表达调控的核心执行者。人类基因组编码了约1500至6000个RBPs。值得注意的是,一个RBP能够结合多种不同的RNA转录本,而一个RNA分子也常被多个RBPs结合,它们以协同或竞争的方式工作,共同决定RNA的命运。例如,含有AU富集元件的mRNA 3‘UTR,其稳定性受到负调控RBP(如TTP和KSRP)与正调控RBP(如HuR)竞争性结合的调控。反之,其他RBPs则协同作用,如Zipcode结合蛋白1与延伸因子1α协同调控β-肌动蛋白mRNA的定位和局部翻译。这些例子表明,RNA的命运由多个RBPs的联合行动决定,形成了动态的、多层面的调控网络,这些网络在空间(不同亚细胞区室)、时间(跨发育或扰动诱导的时间尺度)和条件(随细胞信号或环境线索变化)上均表现出动态变化。例如,在正常条件下,hnRNPA1参与剪接和mRNA出核,但在应激条件下,它被磷酸化并从细胞核转位到细胞质,促进应激反应mRNA的帽非依赖性翻译。这种环境特异性功能凸显了RNA调控的复杂性。
当前绘制RBP相互作用网络的实验方法
为阐明RBP网络,需要多种方法来识别RBPs结合了哪些RNA、与哪些其他蛋白质相互作用、这些相互作用在细胞中何时何地发生,并将这些相互作用与明确的分子/细胞功能联系起来。现有技术大致可分为五类:
蛋白质-RNA相互作用图谱绘制
在全基因组范围内识别RBPs的RNA靶标和特异性结合位点是RBP生物学的基础。最广泛应用的方法是基于紫外交联免疫沉淀测序(CLIP-seq)及其变体(如HITS-CLIP、PAR-CLIP、iCLIP、eCLIP)。这些方法通过UV交联将RBPs与其结合的RNA共价连接,免疫纯化目标RBP,并对交联的RNA片段进行测序,从而在单核苷酸分辨率上绘制RBP的结合位点。ENCODE等项目已系统应用CLIP-seq绘制了数百个RBPs的结合图谱,揭示大多数RBP结合数百至数千个RNA靶标。更新的方法如ARTR-seq,通过抗体引导的原位反转录,无需UV交联和免疫沉淀,即可在低输入样本或组织切片中有效检测稳定和瞬时的相互作用。此外,TRIBE及其衍生技术(如HyperTRIBE、STAMP、DART-seq)通过RBP与RNA编辑酶(如ADAR、APOBEC1)的融合,在体内通过RNA修饰来识别RBP的靶标转录本,避免了交联和免疫沉淀步骤。为应对RBP协同作用的复杂性,近期发展出了多重化方法,如SPIDR和ABC,能够在单个实验中同时分析数十至数百个RBPs的RNA靶标,极大提高了通量。这些进展正推动领域朝着绘制全转录组范围内每个RBP在何时何地结合RNA的综合图谱迈进。
蛋白质-蛋白质相互作用图谱绘制
大多数RBPs在多种蛋白质复合物中发挥作用,其组成可随细胞状态而变化。因此,绘制蛋白质间的相互作用对于理解RBP网络至关重要。经典的相互作用组捕获方法是免疫沉淀结合串联质谱(IP-MS),即从细胞裂解液中免疫纯化目标RBP,通过定量质谱鉴定共纯化的蛋白质。近期有研究专门绘制了酵母和人类细胞中RBPs的PPI网络,揭示了核心RNA加工复合物、生命周期各阶段的相互作用簇,以及连接多个阶段或具有跨生命周期多重功能的蛋白质。另一种互补策略是邻近标记技术,如BioID和APEX。将突变型生物素连接酶或过氧化物酶融合到诱饵蛋白上,可在活细胞内对诱饵附近蛋白质进行共价标记,然后通过质谱鉴定。该技术已用于绘制特定细胞区室(如应激颗粒)或条件下的RBP-蛋白质相互作用网络,捕获了相互作用的时空背景。进一步的技术如Split-BioID、Split-TurboID和sAPEX,将标记酶拆分,仅在两个蛋白质相互作用时才被激活,从而能够标记特定PPI的分子环境。这些邻近标记方法能区分真正在同一个RNA分子上共组装的RBPs与仅仅是共享同一细胞区室或顺序结合RNA的RBPs,提供了更精确、动态的RBP网络视图。
成像方法:眼见为实
随着转录本结合位点鉴定和蛋白质相互作用组数据日益精细化,人们认识到RBP介导的RNA调控是动态且协调的。因此,需要在活细胞中实时观察单个RNP相互作用的方法。单分子RNA活细胞成像技术,如MS2/MCP标签系统,以及基于CRISPR的RNA标记方法(如smLiveFISH),能够在无需对RNA进行外源标记的情况下追踪内源性RNA分子。为可视化RBPs与RNA的相互作用,单分子荧光原位杂交(smFISH)等技术可在固定细胞中以分子分辨率检测特定的RBPs和RNAs,并可通过共定位判断RBP是否与靶转录本结合。超分辨率成像技术(如SUM-PAINT)的进步,使得能够并行标记多达30种蛋白质,将扩展我们原位可视化复杂RBP组装体的能力。这些方法将抽象的相互作用图转化为动态、可观察的现象,揭示了这些相互作用如何在不同亚细胞区室中差异,并将局部分子调控与空间定义的亚细胞功能联系起来。
从RNA的视角:RNA中心技术
与大多数围绕目标RBP进行相互作用分析的方法不同,RNA中心技术旨在识别与特定RNA结合的蛋白质。用于RBP目录研究的技术,如poly(dT) pulldown、OOPS和XRNAX,通过RNA pulldown或RNP分离结合质谱,来鉴定蛋白质组中的RBPs。Kim团队近期的一项研究将RNA脉冲追踪标记(通过SLAM-seq)与定量蛋白质组学结合,提供了一种无偏的、时间分辨的RBP在mRNA生命周期各阶段与转录本结合的图谱。更有针对性的RNA中心技术,如RNA反义纯化-质谱(RAP-MS)和ChIRP-MS,使用生物素化的反义寡核苷酸从交联的细胞裂解液中“钓出”目标RNA种类,然后通过质谱鉴定与该RNA结合的RBP群体。例如,RAP-MS绘制了Xist长链非编码RNA的结合蛋白图谱,揭示了介导X染色体失活的许多蛋白质。另一种新方法,寡核苷酸介导的邻近相互作用组图谱绘制(O-MAP),使用类似FISH的探针将邻近生物素化酶递送到目标RNA原位,能够在无需遗传操作的情况下精确鉴定附近的生物分子,提供了RNA相关蛋白质、转录本和基因组位点的多组学视图。
高通量功能筛选与检测
随着RNP相互作用组图谱日趋全面,研究者越来越关注这些相互作用的功能性后果。高通量遗传筛选(CRISPR或RNAi)可筛选出影响特定读出(如mRNA剪接或稳定性的荧光报告基因,或应激颗粒形成等细胞特征)的RBPs。例如,结合微珠阵列成像的CRISPR筛选(CRaft-ID)被用于鉴定调节应激颗粒形成的RBPs。将单细胞转录组学(scRNA-seq)与基因扰动(特别是RBP扰动)结合,可以高通量分析敲低或编辑RBP如何影响基因表达,从而推断RBP功能。互补的方法,如大规模并行报告基因分析(MPRA),可用于系统测试RNA顺式元件的调控活性。在MPRA中,将数万个合成RNA序列(如3‘UTR变体)引入细胞,并大规模测量它们对基因表达的影响,通过分析哪些序列驱动高表达或低表达,可以推断调控序列元件及可能涉及的RBPs。另一个例子是SpliceRUSH,这是一种高通量CRISPR-dCas13d/gRNA筛选方法,通过竞争性结合RNA区域来绘制剪接调控元件图。这些高通量功能筛选技术为上述四大机制支柱提供了强大且互补的视角,开始大规模揭示这些相互作用的生物学后果。
从体外到体内
在RBP生物学中,早期发现和方法开发常在简化的细胞系统中进行。然而,从细胞到组织和整个生物体的体内研究则更具挑战性。幸运的是,上述许多方法已被应用于动物模型或哺乳动物组织中。例如,识别RBP结合位点的方法(CLIP-seq、TRIBE等)已在多种组织和动物模型中使用。识别与特定序列结合的RBPs的方法(如SELEX、O-MAP等),以及通用RBP鉴定方法(如XRNAX、SLAM-seq等)也已被修改或应用于体内。蛋白质-蛋白质相互作用捕获方法(IP-MS、邻近标记等)和蛋白质组学方法在组织样本中已很成熟。成像方法,包括单分子成像(smFISH)和活体成像(MS2/MCP标记),已在秀丽线虫和斑马鱼等模式生物中得到验证。随着方法学的不断进步,我们将能够在体内更完整地绘制RBP网络图谱。
展望:走向整合与动态的RBP网络模型
随着研究RBPs的工具箱不断扩展,我们对转录后基因表达调控的动态性、系统级本质的认识也日益加深。我们现在正处在一个转折点,描述性的静态数据集可以让位于整合性、预测性的RBP网络模型。未来的挑战和方向包括:
从快照到电影:时空调控与条件特异性
现有关于RNP网络的数据大多是单一条件下的快照。下一步是捕捉这些相互作用如何随时间变化和/或在细胞状态间转换。这需要整合能在不同刺激或发育阶段跟踪RBP-RNA和RBP-蛋白质相互作用的方法,并最终在活细胞中实现。例如,时间分辨的CLIP或脉冲追踪标记可监测细胞转换过程中RBP结合的动态。从蛋白质组角度看,时间分辨的蛋白质组分析可用于捕捉RBP复合物的逐步组装和解离。实现“电影”般的RNP分辨率还需要空间信息。RBPs在特定的亚细胞区域发挥作用,例如剪接因子SNRNP200除了在细胞核中的经典剪接功能外,在细胞质中还有一个与应激颗粒相关的次要功能,具有不同的蛋白质相互作用物、结合基序和RNA靶标。通过区室特异性相互作用组捕获或原位RNA邻近标记等技术,可以生成空间分辨的RBP网络。此外,RNA修饰和RBPs的翻译后修饰(PTM)为PTRNs的研究增加了另一层复杂性,未来的方法需要能够在分子背景下、跨越时间和空间、以高分辨率捕获这些修饰。最终目标将是收集细胞中RNP相互作用的四维图谱(随时间变化的三维空间)。这需要实验创新和计算工具的整合。
整合与计算建模
随着大规模组学方法数据的不断增长,一个主要挑战是将多组学数据集整合成连贯的网络模型,以揭示转录后调控的功能逻辑。这样的整合分析已经阐明了由Nova和Rbfox家族控制的剪接网络,并深入了解了神经元发育过程中和不同神经元细胞类型中可变剪接的调控。近期一项多实验室研究通过整合蛋白质相互作用数据、RBP-RNA结合图谱以及RBP扰动后的转录组变化,展示了这种多组学策略的威力,从而定义了RBPs的功能调控模块。机器学习在从这些复杂、多维数据集中提取洞见方面正发挥核心作用。像AlphaFold这样的基础性AI方法极大地提高了我们预测蛋白质结构的能力,而像HDRNet这样的深度神经网络可以整合序列、结构和实验结合数据,预测RBP结合谱及其在细胞类型和条件下的变化。图论方法可以将RBP-RNA相互作用建模为二分网络,从而识别关键的调控节点、共调控的RNA模块和组合性调控的模式。所有这些整合的网络分析都揭示了许多RBPs是多效性的,执行多重、依赖于环境的功能,而非通过单一、固定的机制发挥作用。
更高通量与更全面
一个重要的趋势是RBP研究通量和广度的增加。为了真正捕获系统级网络,我们最终需要覆盖大多数(如果不是全部)RBPs及其相互作用。像ENCODE这样的项目已通过CLIP绘制了超过350个RBPs的图谱,但仍有数百个等待分析。新的高通量技术(如通过SPIDR或ABC进行多重CLIP)将加速RBP-RNA相互作用组的完成,可能允许在一次实验中常规分析一个细胞类型中的许多RBPs。类似地,系统性的RBP-蛋白质相互作用组(使用高通量IP-MS或并行邻近标记多种诱饵蛋白等方法)将填补网络中缺失的边。随着这些相互作用数据集变得更加全面,并涵盖不同的细胞状态和细胞类型,它们将有助于构建更好的整合模型,并突出最具生理学意义的相互作用。值得注意的是,更高的通量使得能够检查组合性扰动:研究人员可以开始扰动RBP对或组合,系统地测试网络节点如何共同发挥作用。
迈向预测性理解
RNP生物学的一个长期目标是发展可与转录网络相媲美的、预测性、定量化的转录后调控网络理解。在转录领域,我们现在已有预测模型来解释转录因子组合如何控制基因表达程序。对于RBPs,实现类似的预测能力意味着,给定一组RBPs和一个RNA,我们能够预测在特定环境下该RNA的稳定性、定位或翻译效率。这可能既需要数据驱动模型,也需要机制模型。一方面,通过统计或数学框架(或借助AI驱动方法)分析大型整合数据集,可能揭示RBP网络中反复出现的模式或网络主题,指向转录后调控的潜在通用原则。另一方面,对特定RNP组装体的详细动力学建模(类似于代谢或信号网络的系统生物学模型)可以量化mRNA的半衰期或翻译速率如何从多个RBPs的结合和活动中产生。令人鼓舞的是,我们已经看到多RBP模型改进理解的案例。随着更多实验反馈完善这些模型,我们正朝着真正的RNA系统生物学迈进。在这样的框架下,可以模拟细胞的RBP网络状态在压力或疾病下如何变化,以及随之产生的转录后效应。
疾病
理解RBP网络的复杂性不仅是为了理解基因表达调控的学术追求,也对人类健康具有实际意义。许多RBPs正被研究作为癌症和神经系统疾病等疾病的治疗靶点。然而,一个反复出现的挑战是,靶向一个RBP可能会产生不可预见的、多效性效应或有限的疗效,这是由于RBP网络具有冗余性和补偿性。例如,在神经退行性疾病如ALS或FTD中,发病机制涉及RNP颗粒失调,多种RBPs(如TDP-43、FUS等)功能失常;在这种多因素场景下,单一基因-单一表型的治疗方法往往效果有限。因此,RBP调控网络的复杂性和潜在脱靶效应是开发RBP靶向疗法的主要挑战。展望未来,考虑网络特性的策略可能更有成效,例如,靶向一个影响多个RBPs的关键节点,或调节RBP网络共有的下游过程。或者,可能需要组合干预来同时调整多个RBPs或通路。
总而言之,RBP研究正在从罗列单个蛋白质-RNA和蛋白质-蛋白质相互作用,向解读整合的RNP调控网络演进。通过利用新兴技术——从多重结合分析和高分辨率成像,到单细胞和计算整合的多组学数据集——我们开始能够以前所未有的深度和清晰度绘制和研究这些RNP网络。未来的步骤是宏大的:我们的目标不是静态的相互作用列表,而是组装能解释RBPs如何在变化的细胞环境中随时间协同和竞争以精细调控基因表达的4D动态功能模型。这样的模型不仅将丰富对转录后基因调控的基本理解,还可能为疾病机制和治疗提供洞见,并提出通过靶向RBP相互作用来调节基因表达的新方法。总之,RBPs不应被视为独立的演员,而应被视为我们现在可以开始全面绘制的动态的、对环境敏感的网络中的节点。