ПРИНЦИПИ МАТЕМАТИЧНОГО МОДЕЛЮВАННЯ мікроРНК-ОПОСЕРЕДКОВАНИХ СИГНАЛЬНИХ МЕРЕЖ ПРИ ЗАХВОРЮВАННЯХ ЛЮДИНИ

О. П. Мінцер; В. М.  Заліський

doi:10.11603/mie.1996-1960.2020.3.11610

Автор(и)

О. П. Мінцер Національна медична академія післядипломної освіти імені П. Л. Шупика https://orcid.org/0000-0002-7224-4886
В. М. Заліський Національна медична академія післядипломної освіти імені П. Л. Шупика

DOI:

https://doi.org/10.11603/mie.1996-1960.2020.3.11610

Анотація

Розглянуто підходи до обчислювального моделювання нових функціональних асоціацій між диференційованою експресією miRNAs і захворюваннями, а також фенотипових патернів експресії miRNAs у генних регуляторних мережах. Метою концептуалізації стали результати порівняно недавніх досліджень системної біології, в яких використано різні методи кінетичного моделювання, що допомагають виявити можливості стосовно регуляторної функції і терапевтичного потенціалу miRNAs при захворюваннях людини. Розглянуто також деякі з ключових обчислювальних аспектів математичного моделювання, що включають: регуляції опосередкованих miRNAs мережевих мотивів у регуляції експресії генів, моделі біогенезу miRNAs і взаємодії miRNA-мішеней, включення таких моделей у складні шляхи розвитку захворювань, системного розуміння їх патофізіологічного контексту. Зроблено висновок про ефективність і практичність використання невеликих miRNA-асоційованих мережевих мотивів, спрощених до декількох компонентів, для вивчення прогностичних характеристик модельованої мережевої динаміки при захворюваннях і фізіологічних станах. Підкреслюється, що більшість експериментальних досліджень зосереджуються на прямих взаємодіях miRNA-мішеней. Отже, розкривається роль мікроРНК у системах, забезпечуючи системне розуміння опосередкованої мікроРНК репресії генів. однак, окрім звичайних взаємодій miRNA-мішеней, нещодавні експерименти показали, що первинні miRNA або попередники miRNA, що утворюються під час біогенезу miRNA, також можуть конкурувати зі зрілими miRNA за місця зв'язування на цільових miRNA. Також важливо перейти від тимчасової динаміки регуляції генів за допомогою miRNAs, до аналізу та моделювання просторової інформації miRNA в клітинах, як різних субклітинних розташуваннях.

Посилання

Aushev V. N. (2015). Micro NRC: small molecules with high value. Clinical oncohematology, 8(1), 1-12. [In Ukrainian].

Mintser O. P., Zaliskyi V. M. (2019). Systems interaction micrornas in pathogenesis of cardiovascular diseases. Medical Informatics and Engineering, З, 4-19. doi: https://doi.org/10.11603/mie.1996-1960.2019.3.10428. [In Ukrainian].

Cora D., Re A., Cassele M. (2017). Micro-NRA-mediated regulatory chains: perspectives and prospects. Phys -boil, 14, 045001. [In Ukrainian].

Ha М., Кім V. N. (2014). Regulation of miRNA biogenesis. Nat. Rev. Mol. Cell Biol., 15, 509-524.

Herranz H., Cahen S. M. (2010). microRNA and gene regulatory networks imaging the impact of noise in biological systems. Genes Dev., 24 (1З), 1ЗЗ9-44.

Hwang H. W., Mendell J. T. (2007). MicroRNAs in cell proliferation, cell death, and tumorigenesis. Brit. J. Cancer., 96, suppl., R40-44.

Jolly M., Huang B., Lu M., Mani S., Levine H., Ben-Jacob E. (2014). Towards elucidating the connection between epithelial-mesenchymal transitions and sternness. J. R. Soc. Interface. 11:20140962.

Hye W. K., Crawford M., Muller F., Gerard N. et al. (2013). A Mathematical Model for MicroRNA in Lung Cancer. PLoS One., 8 (1), e53663.

Reena V. K., Subbaya S. (2014). Competing endogenous RNAs (ceRNAs): new entrants to the intricacies of gene regulation. Front. Genet., 5, 8.

Kim Y., Roh S., Lawler S. et al. (2011). MiR451 and AMPK Mutual Antagonism in Glioma Cell Migration and Proliferation: A Mathematical Model. PLoS One, 6 (12), e28293.

Lai X., Wolkenhauer O. et al. (2016). Understanding microRNA-mediated gene regulatory networks through mathematical modeling. Nucleic Acid Res., 44, 60196035.

Lai X., Bhattacharya A., Schmitz U. et al. (2013). A systems' biology approach to study microRNA-mediated gene regulatory networks. Biomed Research International, 17 Nov, 703849.

Landskroner-Eiger S., Moneke I., Sessa W. C. (2013). MiRNAs as modulators of angiogenesis. Cold Spring Harb Perspect Med., Feb 1; 3 (2), a006643. doi: 10.1101/cshperspect.a006643.

Lai X., Wolkenhauer O., Vera J. (2012). Modeling miRNA Regulation in Cancer Signaling Systems: miR-34a Regulation of the p53/Sirt1 Signaling Module. Methods in molecular biology (Clifton, N. J.), 880, 87-108.

Li J., Pandey V., Kessler T. (2012). Modeling of miRNA and Drug Action in the EGFR. Signaling Pathway January 11. https://doi.org/10.1371/journal. pone.0030140.

Lou W., Liu J., Gao Y. et al. (2017). MicroRNAs in cancer metastasis and angiogenesis. Oncotarget., Dec 29; 8(70), 115787-115802.

Lu M., Jolly M. K., Levine H. (2013). MicroRNA-based regulation of epithelial-hybrid-mesenchymal fate determination. Proc Natl Acad Sci USA,, Nov 5; 110 (45), 18144-9.

Paladini S., Fabris L., Bottai G. (2016). Targeting microRNAs as key modulators of tumor immune response. J Exp Clin Cancer Res., 35, 103.

Proctor C. J., Goljanek-Whysall K. (2017). Using computer simulation models to investigate the most promising microRNAs to improve muscle regeneration during ageing. Sci Rep., 7, 12314.

Proctor C. J., Smith G. R. (2017). Computer simulation models as a tool to investigate the role of microRNAs in osteoarthritis. PlOSONE, 12, ev187568.

Rupaimoole R., Slack F. G. (2017). MicroRNA therapeutics: towards a new era for the management of cancer and other diseases. Nature Reviews Drug Discovery volume 16, 203-222.

Schuetz T. A., Becker S., Mang A. et al. (2013). Modelling of glioblastoma growth by linking a molecular interaction network with an agent-based model. 19, 417- 433.

Schmitz U., Meshkin H. N., Shailendra K. G. (2016). The RNA world in the 21st century-a systems approach to finding non-coding keys to clinical questions. Brief Bioinform., 17 (3), 380-92.

Shoval O., Alon U. (2010). SnapShot: network motifs. 143 (2), 326-e 1.

Suzuki H., Maruyama R., Yamamoto E. (2013). Epigenetic alteration and microRNA dysregulation in cancer.

Treiber T., Treiber N., Meister G. (2018). Regulation of microRNA biogenesis and its crosstalk with other cellular pathways. Rev Mol Cell Biol., 20, 5-20.

Vera J., Schmitz U., Lai X. (2013). Kinetic Modeling-Based Detection of Genetic Signatures That Provide Chemoresistance via the E2F1-p73/DNp73-miR-205 Network. Cancer Research, 73 (12).

Wang X., Li Y., Wang Y. (2010). Toward a system-level understanding of microRNA pathway via mathematical modeling. Biosystems, 100, 1.31-38.

Zhang H. M., Kuang S., Xiong X. (2015). Transcription factor and microRNA co-regulatory loops: important regulatory motifs in biological processes and diseases. Brief bioinform., 16, 1.45-58.

Zhao C., Isenberg J. S, Popel A. S. (2018). Human expression patterns: Qualitative and quantitative analysis of thrombospondin-1 under physiological and pathological conditions. Journal of Cellular and Molecular Medicine, 22 (Pt 3).

Zhao C., Isenberg J. S, Popel A. S. (2017). Transcriptional and Post-Transcriptional Regulation of Thrombospondin-1 Expression: A Computational Model. PLoS Comput Biol., 13 (1), e1005272.

Zhao C., Zhang Y., Popel A. S. (2019). Mechanistic Computational Models of MicroRNA-Mediated Signaling Networks in Human Diseases. J. Mol. Sci., 20 (2), 424.