目的:探讨微小RNA(miR)-133b靶向调控多聚嘧啶通道结合蛋白1(PTBP1)调控乳腺癌细胞生物学的行为机制。方法:选取乳腺癌及癌旁组织标本83例，收集患者临床病理资料，同时选取乳腺癌细胞系(MCF-7)、正常乳腺上皮细胞系(MCF-10A)，实时荧光定量聚合酶链反应(PCR)检测miR-133b和PTBP1 mRNA表达，分析与临床病理特征的关系，MCF-7细胞分为阴性对照组、miR-133b模拟物(mimic)组、miR-133b inhibitor组、miR-133b mimic+PTBP1沉默组和miR-133b inhibitor+和PTBP1沉默组，噻唑蓝(MTT)实验与流式细胞术分别检测MCF-7细胞增殖及周期的变化，划痕实验和Transwell小室检测细胞迁移及侵袭，蛋白质印迹法(Western blot)检测B细胞淋巴瘤/白血病-2(bcl-2)、bcl-2相关X蛋白(bax)和PTBP1蛋白表达，双荧光素酶实验验证miR-133b对PTBP1的靶向调控机制。多组间比较采用单因素方差分析，两两比较采用LSD- t检验，计数资料采用 χ2检验和Fisher精确检验进行分析。 结果:miR-133b和PTBP1 mRNA在乳腺癌组织(0.94±0.18、4.28±0.27)及乳腺癌细胞的表达水平(1.09±0.22、3.65±0.19)分别明显低于和高于癌旁组织(2.12±0.09、 t＝4.343， P<0.05；1.37±0.21、 t＝6.006， P<0.05)及MCF-10A细胞(1.99±0.11、 t＝5.223， P<0.05；1.15±0.09、 t＝5.774， P<0.05)。miR-133b和PTBP1均与TNM分期(1.204±0.057、3.865±0.172， χ2＝6.217， P<0.001)和淋巴转移(0.489±0.041、1.632±0.147， χ2＝7.031， P<0.001)等明显相关，而与年龄(0.601±0.052、2.008±0.187， χ2＝0.261， P>0.05)、分化程度(0.592±0.057、1.994±0.187， χ2＝0.274， P>0.05)和病理分级无关(0.587±0.059、1.921±0.172， χ2＝0.257， P>0.05)。与阴性对照组比较，miR-133b mimic组增殖率[(35.43±1.74)%、(8.43±0.35)%， F＝166.465， P<0.05]、迁移、侵袭细胞数(109±10.562、77±5.751， t＝4.663， P<0.05；128±11.624、81±7.251， t＝7.453， P<0.05)、bcl-2(2.78±0.32、0.76±0.11， t＝4.122， P<0.05)和PTBP1表达(3.45±0.33、0.89±0.26， t＝3.154， P<0.05)明显降低，G 1期阻滞明显延长( F＝276.872， P<0.05)，bax表达明显增加(1.22±0.12、3.39±0.46， t＝9.123， P<0.05)，miR-133b mimic+PTBP1沉默组变化更为明显(1.22±0.12、7.71±0.23， t＝6.009， P<0.05)，miR-133b inhibitor组明显逆转上述指标变化(1.22±0.12、0.76±0.11， t＝3.334， P<0.05)，miR-133b inhibitor+PTBP1沉默组逆转更为明显(1.22±0.12、0.33±0.11， t＝5.098， P<0.05)。双荧光素酶实验显示miR-133b可靶向调控PTBP1。 结论:miR-133b靶向调控PTBP1从而抑制乳腺癌细胞增殖、迁移、侵袭并促进细胞凋亡。

目的 对阿尔茨海默病(Alzheimer's disease,AD)患者血液相关内源性竞争RNA(Competing endogenous RNAs,ceRNA)网络综合分析,寻找诊断治疗的新方向.方法 从基因表达综合数据库(Gene ex-pression omnibus,GEO)下载AD患者血液相关芯片数据,对数据进行整理并筛选差异表达的长链非编码RNA(Long non-coding RNA,lncRNA)及信使RNA(Messenger RNA,mRNA)基因;利用miRcode,Tar-getScan,miRTarBase和miRDB数据库对lncRNA和微小RNA(MicroRNA,miRNA)进行预测并取对应数据的交集来构建ceRNA网络;使用Cytoscape的cytoHubba插件筛选ceRNA网络关键lncRNA;通过临床数据计算各关键LncRNA的AUC值来评估各关键LncRNA的诊断性能;使用STRING构建蛋白-蛋白相互作用(Protein-protein interaction,PPI)网络,再使用MCODE插件筛选关键基因模块;利用DAVID数据库对关键模块中的基因进行基因本体论(Gene ontology,GO)和京都基因与基因组百科全书(Kyoto encyclopedia of genes and genomes,KEGG)通路分析.结果 共筛选出9个关键lncRNA[X染色体失活特异转录因子(X in-active specific transcription factor,XIST)、RNA聚合酶2亚基J4(RNA polymeraseⅡsubunit J4,POLR2J4)、多聚胞嘧啶结合蛋白1反义RNA1(Poly C binding protein-1 antisense RNA1,PCBP1-AS1)、Opa相互作用蛋白5反义RNA 1(Opa interacting protein 5 antisense RNA 1,OIP5-AS1)、核旁斑组装转录本1(Nuclear pa-raspeckle assembly transcript 1,NEAT1)、母系表达基因3(Maternally expressed 3,MEG3)、肺癌转移相关转录本1(Metastasis associated lung adenocarcinoma transcript 1,MALAT1)、钾电压阀门通道,混合器相关亚家族,β成员1反义转录物1(Potassium voltage-gated channel subfamily Q member 1 opposite strand/Anti-sense transcript 1,KCNQ1OT1)、DnaJ热休克蛋白家族成员C27反义RNA1(DnaJ heat shock protein family member C27 antisense RNA 1,DNAJC27-AS1)],计算各lncRNA的AUC值发现MALAT1(AUC=1.000),NEAT1(AUC=0.878),XIST(AUC=0.967)、PCBP1-AS1(AUC=0.889)的诊断性能较好;对蛋白互作网络的关键模块的相关基因进行富集分析发现其主要富集于丝裂原活化蛋白激酶(Mitogen-activated protein ki-nase,MAPK)、磷脂酰肌醇3-激酶/蛋白激酶B(Phosphatidylinositide 3-kinases/Protein kinase B,PI3K/AKT)和胰岛素(Insulin signaling pathway)信号通路中.结论 血液中的ceRNA网络通过调控多种途径来促进AD的发生和发展,其中MALAT1,NEAT1,XIST,PCBP1-AS1的诊断性能良好.