膜性腎病差異性表達(dá)microRNA的靶基因功能分析

陳文標(biāo)， 黃建溶， 戴 勇

(暨南大學(xué)附屬第二醫(yī)院，深圳市人民醫(yī)院，臨床醫(yī)學(xué)研究中心，廣東 深圳 518020)

膜性腎病(membranous nephropathy，MN)是成年腎病綜合征的常見(jiàn)病因之一，國(guó)外報(bào)道占成年人原發(fā)性腎病綜合征25% ～40%［1］.MN按發(fā)病病因可以分為特發(fā)性與繼發(fā)性，特發(fā)性膜性腎病病因不明確，多認(rèn)為是免疫機(jī)制有關(guān).繼發(fā)性膜性腎病常與藥物、狼瘡及肝炎等有關(guān)［2］.但是MN的病因尚不清楚，抗體介導(dǎo)的免疫復(fù)合物形成啟動(dòng)腎臟組織損傷是主要機(jī)制［3］.其病理改變是免疫復(fù)合物沿腎小球基底膜外側(cè)沉積，形成基底膜“釘突狀”增厚為特征［4］.MN是自身免疫性疾病，臨床上治療仍然是采用免疫抑制治療，但是治療上缺乏特異性，即便是免疫抑制劑合理使用，常常很難掌握用藥度量及缺乏特異性監(jiān)控標(biāo)志物.病人在治療后，有的病情得到緩解，但是帶來(lái)巨大的副作用.有的病情加深，需要加大劑量［5］.為了對(duì)MN有更深刻的了解，以期望真正研究MN發(fā)病機(jī)制，才能更好的指導(dǎo)臨床診斷與治療.本研究從基因?qū)用鎸?duì)MN的差異性表達(dá)microRNA及其靶基因功能分析進(jìn)行探討，可能為研究MN的病因機(jī)制打開(kāi)新的思路與方法.MicroRNA是一類內(nèi)生的長(zhǎng)度約為20～24nt的小RNA，其在細(xì)胞的生長(zhǎng)發(fā)育，增殖與死亡起著重要的作用［6］.最近研究表明每一個(gè)microRNA有多個(gè)靶基因，多個(gè)microRNA可以組合起來(lái)精細(xì)調(diào)控某個(gè)基因表達(dá)，人類三分之一的基因調(diào)控與microRNA有關(guān).所以microRNA在疾病發(fā)病起著重要的調(diào)控作用.近年來(lái)microRNA已經(jīng)被充分應(yīng)用到腎臟疾病研究中，且都取得實(shí)質(zhì)性成果［7］.例如，MicroRNA-29b的顯著性表達(dá)可以抑制糖尿病腎病［8］;microRNA-223在內(nèi)皮細(xì)胞的表達(dá)水平可以作為一種無(wú)創(chuàng)的檢查用于評(píng)估IgA腎病的病情［9］;microRNA-443的上調(diào)表達(dá)常常與腎臟纖維化有著密切聯(lián)系［10］.本研究是在前期的研究基礎(chǔ)上，找到MN與正常者之間差異性表達(dá)microRNA，運(yùn)用來(lái)源于microRNA的靶基因深入研究MN的生物學(xué)功能.靶基因富集的條目與參與的通路可能在一定程度闡明MN的病因.

1 材料與方法

1.1 標(biāo)本收集

分別抽取MN與健康對(duì)照組(NC)靜脈全血10 mL，100例MN為2013年深圳市人民醫(yī)院診斷為特發(fā)性膜性腎病患者，經(jīng)腎臟穿刺檢查確定為膜性腎?、笃?，且患者在確定診斷之前沒(méi)有使用過(guò)任何激素與免疫抑制劑.選取100例深圳市人民醫(yī)院常規(guī)體格檢查排除腎臟疾病作為健康對(duì)照組.100例NC被隨機(jī)分成10組(NC1～10)，每組10人.100例MN被隨機(jī)分成10組(MN1～10)，每組10人.本研究得到深圳市人民醫(yī)院倫理委員批準(zhǔn)，且征得實(shí)驗(yàn)參與者的知情同意.

1.2 單個(gè)核細(xì)胞的分離與總RNA提取

收集到靜脈全血10 mL，于采血后1 h內(nèi)按照淋巴細(xì)胞分離液(Ficoll-Paque，PLUS)實(shí)驗(yàn)說(shuō)明手冊(cè)，使用淋巴細(xì)胞分離液(Cedarlane，USA)分離外周血單個(gè)核細(xì)胞(PBMCs).分離得到的PBMCs按照Trizol(Invitrogen，USA)試劑盒說(shuō)明書(shū)提取總RNA，經(jīng)Bioanalyer分析儀(Santa clare，CA，USA)檢測(cè)，滿足RNA完整指數(shù)(R/N)≥8.0，rRNA比值(28S:18S)≥1，用于小RNA數(shù)據(jù)庫(kù)建立.

1.3 小RNA的分離機(jī)RNA數(shù)據(jù)庫(kù)建立

根據(jù)不同樣品所測(cè)得到的總RNA濃度，每組間各種樣品等量混合，即得到20組樣品，分別為MN1～10與NC1～10組等質(zhì)量的總RNA.利用質(zhì)量分?jǐn)?shù)為15%聚丙烯酰胺凝膠(PAGE)電泳分離總RNA，參照寡核苷酸標(biāo)志在膠中所處的位置，回收并純化18～30nt范圍的小RNA.運(yùn)用HiSeq 2000高通量Solexa測(cè)序平臺(tái)(華大基因，深圳)對(duì)小RNA進(jìn)行深度測(cè)序.在測(cè)序之前，小RNA通過(guò)5'接頭連接與純化，3'接頭連接與純化，RT-PCR擴(kuò)增等步驟制備成CDNA文庫(kù).CDNA片段結(jié)合在含有接頭的芯片上，加入熒光標(biāo)志Dntp，聚合物與接頭引物，經(jīng)反應(yīng)擴(kuò)增，dNTP在參與互補(bǔ)鏈的系列延伸會(huì)釋放出熒光，每種堿基具有特定的波才長(zhǎng)，熒光信號(hào)被測(cè)序儀器采集，并用軟件轉(zhuǎn)換成測(cè)序峰，最終得到各序列的測(cè)序信息.

1.4 測(cè)序數(shù)據(jù)的初步分析

HiSeq 2000測(cè)序所得到的的為50nt長(zhǎng)度序列，通過(guò)去接頭，去低質(zhì)量，去污染等過(guò)程完成數(shù)據(jù)處理得到干凈序列.統(tǒng)計(jì)小RNA的種類及數(shù)量，對(duì)其進(jìn)行序列長(zhǎng)度分布統(tǒng)計(jì)與樣品公共序列統(tǒng)計(jì).然后使用SOAP軟件(華大基因，深圳)將干凈序列RNA與人類基因組序列(NCBI Gene Bank)(http://www.ncbi.nlm.nih.gov/genbank/)進(jìn)行比對(duì)，從而得到已知rRNA，scRNA，snoRNA，snRNA，piRNA，tRNA，mRNA降解片段，重復(fù)序列等在所得序列中所占的比例.再將比對(duì)后的small RNA序列進(jìn)一步與microRNA數(shù)據(jù)庫(kù)(miRBase 18)(http://www.mirbase.org/)中人的micrRNA序列比對(duì)，獲取樣品中已知micrRNA含量，表達(dá)豐度等信息.測(cè)序數(shù)據(jù)分析流程，圖1.

圖1 高通量測(cè)序分析流程Fig.1 The procedure of analysis by high-throughput sequencing

1.5 樣本間micrRNA差異性表達(dá)鑒定

為了比較MN1～10與NC1～10組之間差異性表達(dá)microRNA，首先應(yīng)將樣本microRNA的表達(dá)量歸一化到同一數(shù)量級(jí)，歸一化表達(dá)量=(某個(gè)microRNA的表達(dá)量/該樣品總表達(dá)量)×106.歸一化結(jié)果中，如果兩個(gè)樣品中某一個(gè)表達(dá)量為0，則修正為0.01;如果兩樣品歸一化結(jié)果都小于1，則這個(gè)microRNA不滿足數(shù)據(jù)要求，不能用于差異性表達(dá)分析.樣品之間microRNA差異性表達(dá)用倍比值計(jì)算，倍比值=log2(實(shí)驗(yàn)組歸一化表達(dá)量/對(duì)照組歸一化表達(dá)量).當(dāng)倍比值＞0時(shí)，表達(dá)上調(diào);當(dāng)倍比值＜0時(shí)，表達(dá)下調(diào).其外，引用P-value值用于分析基因表達(dá)譜與避免低表達(dá)量microRNA造成數(shù)據(jù)誤差，滿足條件P-value≤0.01時(shí)，microRNA具有顯著差異性表達(dá).

1.6 差異性表達(dá)microRNA的靶基因預(yù)測(cè)及功能分析

借用 TargetScan軟件(http://www.targetscan.org/)對(duì)差異性表達(dá)microRNA的靶基因進(jìn)行預(yù)測(cè)，并選取相關(guān)靶基因運(yùn)用DAVID功能注釋軟件(http://david.abcc.ncifcrf.gov/)向 Gene Ontology 數(shù)據(jù)庫(kù)(http://www.geneontology.org/)各個(gè)條目映射.計(jì)算映射到每一個(gè)條目靶基因數(shù)目，然后應(yīng)用超幾何檢驗(yàn)，找出與整個(gè)參考基因背景相比，在靶基因顯著富集GO條目.GO富集包括細(xì)胞組成(cellular component)，分子功能(molecular function)及生物學(xué)過(guò)程(biological process)三方面內(nèi)容.KEGG通路分析也是針對(duì)靶基因，在生物體內(nèi)，不同靶基因相互協(xié)調(diào)行使生物學(xué)功能，基于KEGG通路分析有助于更進(jìn)一步了解基因生物學(xué)功能.把靶基因向KEGG數(shù)據(jù)庫(kù)(http://www.genome.jp/kegg/)映射，方法與GO富集基本相同.GO富集與KEGG通路檢驗(yàn)時(shí)，當(dāng)P-value≤0.05可以確定靶基因顯著富集GO功能條目及主要KEGG信號(hào)通路.

2 結(jié)果

2.1 microRNA的差異性表達(dá)

在MN1～10與NC1～10差異性表達(dá)microRNA中，有意義的microRNA數(shù)量分別為MN1～NC1/440個(gè)，MN2～NC2/355個(gè)，MN3～NC3/342個(gè)，MN4～NC4/351個(gè)，MN5～NC5/351個(gè)，MN6～NC6/329個(gè)，MN7～NC7/329個(gè)，MN8～NC8/319個(gè)，MN9～NC9/319個(gè)，MN10～NC10/337個(gè).分別選取各組最具有差異性表達(dá)microRNA前5個(gè)上調(diào)與下調(diào)表達(dá)microRNAs，見(jiàn)表 1.其中 has-miR-192-2P作為下調(diào)表達(dá)microRNA在10個(gè)組別出現(xiàn);has-miR-208b作為上調(diào)表達(dá)microRNA與has-miR-217，has-miR-23b-5p作為下調(diào)表達(dá)microRNAs在7個(gè)組別出現(xiàn);hasmiR-95作為下調(diào)表達(dá)microRNA與has-miR-486-5P作為上調(diào)表達(dá)microRNA在6個(gè)組別出現(xiàn);has-miR-95作為下調(diào)表達(dá)microRNA在8個(gè)組別出現(xiàn).

表1 MN與NC1～10差異性表達(dá)microRNAsTable1 The differently expressed microRNA between MN and NC1～10 groups

microRNA-name NC(standard expression)MN(standard expression)fold-change(log2 MN/NC) p-value up-regulated/down-regulated hsa-miR-1468 0.01 9.09 9.83 0.00 up hsa-miR-136-3p 0.01 6.12 9.26 0.00 up hsa-miR-449a 0.01 4.14 8.69 0.00 up hsa-miR-195-3p 0.01 2.25 7.81 0.00 up hsa-miR-486-5p 64.24 13 344.79 7.70 0.00 up hsa-miR-215 4 028.37 1.71 -11.20 0.00 down hsa-miR-503 31.16 0.01 -11.61 0.00 down hsa-miR-23b-5p 57.30 0.01 -12.48 0.00 down hsa-miR-217 125.37 0.01 -13.61 0.00 down hsa-miR-320c 216.04 0.01 -14.40 0.00 down MN4～NC4 hsa-miR-208b 0.01 4.86 8.93 0.00 up hsa-miR-195-3p 0.01 2.25 7.81 0.00 up hsa-miR-449c-5p 0.01 1.98 7.63 0.00 up hsa-miR-5683 0.01 1.53 7.26 0.00 up hsa-miR-19a-3p 0.37 51.31 7.10 0.00 up hsa-miR-503 32.30 0.01 -11.66 0.00 down hsa-miR-23b-5p 40.21 0.01 -11.97 0.00 down hsa-miR-4508 41.10 0.01 -12.01 0.00 down hsa-miR-4286 49.08 0.01 -12.26 0.00 down hsa-miR-217 52.96 0.01 -12.37 0.00 down MN5～NC5 hsa-miR-381 0.01 8.19 9.68 0.00 up hsa-miR-509-3p 0.09 40.96 8.78 0.00 up hsa-miR-449a 0.01 4.14 8.69 0.00 up hsa-miR-19a-3p 0.19 51.31 8.10 0.00 up hsa-miR-195-3p 0.01 2.25 7.81 0.00 up hsa-miR-1291 50.13 0.01 -12.29 0.00 down hsa-miR-193a-5p 54.05 0.01 -12.40 0.00 down hsa-miR-483-5p 166.06 0.01 -14.02 0.00 down hsa-miR-129-2-3p 204.70 0.01 -14.32 0.00 down hsa-miR-23b-5p 267.71 0.01 -14.71 0.00 down MN6～NC6 hsa-miR-486-5p 26.56 13 344.79 8.97 0.00 up hsa-miR-208b 0.01 4.86 8.93 0.00 up hsa-miR-133a 0.69 306.05 8.80 0.00 up hsa-miR-449a 0.01 4.14 8.69 0.00 up hsa-miR-195-3p 0.01 2.25 7.81 0.00 up hsa-miR-671-5p 22.19 0.01 -11.12 0.00 down hsa-miR-95 30.00 0.01 -11.55 0.00 down hsa-miR-216b 38.12 0.01 -11.90 0.00 down hsa-miR-216a 66.68 0.01 -12.70 0.00 down hsa-miR-217 191.86 0.01 -14.23 0.00 down MN7～NC7 hsa-miR-486-5p 26.13 13 344.79 9.00 0.00 up hsa-miR-208b 0.01 4.86 8.93 0.00 up

microRNA-name NC(standard expression)MN(standard expression)fold-change(log2 MN/NC) p-value up-regulated/down-regulated hsa-miR-449a 0.01 4.14 8.69 0.00 up hsa-miR-133a 0.81 306.05 8.56 0.00 up hsa-miR-195-3p 0.01 2.25 7.81 0.00 up hsa-miR-503 26.94 0.01 -11.40 0.00 down hsa-miR-95 30.69 0.01 -11.58 0.00 down hsa-miR-216b 34.75 0.01 -11.76 0.00 down hsa-miR-216a 38.56 0.01 -11.91 0.00 down hsa-miR-217 64.38 0.01 -12.65 0.00 down MN8～NC8 hsa-miR-1468 0.01 9.09 9.83 0.00 up hsa-miR-486-5p 26.05 13 344.79 9.00 0.00 up hsa-miR-208b 0.01 4.86 8.93 0.00 up hsa-miR-133a 0.84 306.05 8.51 0.00 up hsa-miR-195-3p 0.01 2.25 7.81 0.00 up hsa-miR-514a-5p 9.95 0.01 -9.96 0.00 down hsa-miR-503 13.57 0.01 -10.41 0.00 down hsa-miR-3653 14.09 0.01 -10.46 0.00 down hsa-miR-95 19.46 0.01 -10.93 0.00 down hsa-miR-1246 36.33 0.01 -11.83 0.00 down MN9～NC9 hsa-miR-1468 0.01 9.09 9.83 0.00 up hsa-miR-486-5p 26.05 13 344.79 9.00 0.00 up hsa-miR-208b 0.01 4.86 8.93 0.00 up hsa-miR-133a 0.84 306.05 8.51 0.00 up hsa-miR-195-3p 0.01 2.25 7.81 0.00 up hsa-miR-514a-5p 9.95 0.01 -9.96 0.00 down hsa-miR-503 13.57 0.01 -10.41 0.00 down hsa-miR-3653 14.09 0.01 -10.46 0.00 down hsa-miR-95 19.46 0.01 -10.93 0.00 down hsa-miR-1246 36.33 0.01 -11.83 0.00 down MN10～NC10 hsa-miR-486-5p 23.02 13 344.79 9.18 0.00 up hsa-miR-133a 0.89 306.05 8.43 0.00 up hsa-miR-195-3p 0.01 2.25 7.81 0.00 up hsa-miR-449c-5p 0.01 1.98 7.63 0.00 up hsa-miR-133b 0.14 9.99 6.20 0.00 up hsa-miR-216b 13.69 0.01 -10.42 0.00 down hsa-miR-95 19.55 0.01 -10.93 0.00 down hsa-miR-216a 34.46 0.01 -11.75 0.00 down hsa-miR-503 36.43 0.01 -11.83 0.00 down hsa-miR-217 104.33 0.01 -13.35 0.00 down

2.2 差異性表達(dá)microRNAs靶基因的GO富集分析

GO富集的細(xì)胞組成(cellular component)分析中，選取靶基因主要參與的前3個(gè)富集條目，見(jiàn)表2.從表2可以看出，差異性表達(dá)microRNAs的靶基因主要參與細(xì)胞的細(xì)胞器與細(xì)胞膜的合成.其中細(xì)胞膜(membrance)條目在7個(gè)組別出現(xiàn);細(xì)胞器官(cell part)條目在6個(gè)組別出現(xiàn).對(duì)于差異性表達(dá)microRNAs靶基因參與分子功能(molecular func-tion)分析中，表3.靶基因主要參與酶催化，離子結(jié)合，分子轉(zhuǎn)導(dǎo)活性.其中離子結(jié)合(ion binding)在8個(gè)組別出現(xiàn).而差異性表達(dá)microRNAs靶基因參與生物學(xué)過(guò)程(biological process)分析中，表4.靶基因主要參與細(xì)胞代謝過(guò)程，生物代謝過(guò)程.其中生物代謝過(guò)程(biopolymer metabolic process)在5個(gè)組別出現(xiàn);生物調(diào)節(jié)過(guò)程(biological regulation)在3個(gè)組別出現(xiàn).

表2 GO富集的細(xì)胞組成分析Table2 Cellular component analysis of GO enrichment

表3 GO富集分子功能分析Table3 Molecular function analysis of GO enrichment

表4 GO富集的生物學(xué)過(guò)程分析Table4 Biological process analysis of GO enrichment

2.3 差異性表達(dá)microRNA靶基因的KEGG分析

分別選取MN1～10與NC1～10差異性表達(dá)microRNAs的靶基因主要參與的前3個(gè)KEGG通路條目，見(jiàn)表5.從表5可以發(fā)現(xiàn)靶基因主要參與代謝通路，癌癥通路，MAPK信號(hào)通路.其中嘌呤代謝通路(purine metabolism)在6個(gè)組別出現(xiàn);生物合成代謝通路(biosynthesis of secondary)在5個(gè)組別出現(xiàn);癌癥通路(pathways in cancer)在6個(gè)組別出現(xiàn);MAPK信號(hào)通路(MAPK signaling pathway)在4個(gè)組別出現(xiàn).

表5 差異性表達(dá)mciroRNAs靶基因的KEGG通路分析Table5 The differently expressed microRNAs target gene analysis in KEGG pathway

3 討論

高通量測(cè)序平臺(tái)已經(jīng)成為基因表達(dá)與轉(zhuǎn)錄組分析的重要手段，測(cè)序平臺(tái)的高效性與準(zhǔn)確性能在短時(shí)間產(chǎn)生海量數(shù)據(jù)，數(shù)據(jù)可以進(jìn)行針對(duì)性的生物信息分析.高通量測(cè)序技術(shù)平臺(tái)為基因組學(xué)與其他的交叉學(xué)科發(fā)展做出了巨大貢獻(xiàn)，起著里程碑的意義［11］.本實(shí)驗(yàn)的研究技術(shù)是基于高通量測(cè)序平臺(tái)先進(jìn)技術(shù)，準(zhǔn)確找到 MN與NC差異性表達(dá)microRNAs.在差異性表達(dá)microRNA中，下調(diào)表達(dá)microRNAs數(shù)量要比上調(diào)表達(dá)microRNAs要多.并且下調(diào)表達(dá)microRNAs的倍比值要比上調(diào)表達(dá)的microRNAs要大.但是，microRNAs在許多疾病的研究中發(fā)現(xiàn)，上調(diào)表達(dá)的microRNA的數(shù)量要比下調(diào)表達(dá)要多.許多學(xué)者認(rèn)為microRNA失去監(jiān)控而過(guò)度表達(dá)是引起疾病發(fā)生的重要原因［12］.本課題組在先前的研究發(fā)現(xiàn)狼瘡腎炎與正常者的mciroRNA比對(duì)中，上調(diào)表達(dá) mciroRNAs的數(shù)量要比下調(diào)的多［13］.在microRNA作為疾病診斷標(biāo)志物研究發(fā)現(xiàn)，系統(tǒng)性紅斑狼瘡患者與類風(fēng)濕關(guān)節(jié)炎患者相比正常者，microRNA表現(xiàn)明顯的上調(diào)表達(dá)［14］.在硬骨化病患者的蛋白質(zhì)與microRNA關(guān)聯(lián)分析中發(fā)現(xiàn)，上調(diào)表達(dá)的mciroNA有63個(gè)，而下調(diào)表達(dá)的mciroRNA有60個(gè)［15］.而本研究結(jié)果是下調(diào)表達(dá)microRNAs數(shù)量要比上調(diào)表達(dá)多，并且下調(diào)表達(dá)microRNAs的倍比值要比上調(diào)表達(dá)的microRNAs要大.因此，猜測(cè)這些差異性表達(dá)microRNA在MN的發(fā)病機(jī)理中起著抑制作用，microRNA的低表達(dá)或失表達(dá)導(dǎo)致轉(zhuǎn)錄水平蛋白質(zhì)的丟失有關(guān).Jacqueline Ho認(rèn)為miR-23b，miR-24與miR-26b的大量丟失與腎小球與腎小管損傷有關(guān)，它們的存在維持著腎小球率過(guò)濾［16］.對(duì)于本研究發(fā)現(xiàn)的大量microRNA的下調(diào)表達(dá)是否與microRNA的大量丟失有關(guān)，需要進(jìn)一步探討.

在GO靶基因富集分析中，靶基因在細(xì)胞組成當(dāng)中主要參與細(xì)胞膜組成條目中，其中細(xì)胞膜(membrance)條目在7個(gè)比較組別中，部分膜(membrance part)在5個(gè)比較組別中.MN的病理改變是腎小球彌慢性病變，基底膜逐漸增厚，免疫復(fù)合物沿腎小球毛細(xì)血管壁沉積，而腎小球?yàn)V過(guò)膜上皮側(cè)有電子致密物質(zhì)伴有廣泛足突融合［17］.因此，猜測(cè)這些差異性表達(dá)microRNAs的靶基因主要參與到細(xì)胞的細(xì)胞膜組成中，這是否是引起MN基底膜增厚，濾過(guò)膜廣泛足突融合有關(guān)，靶基因是否存在異常的表達(dá)而導(dǎo)致基底膜細(xì)胞的過(guò)度增生.但在本研究中的試驗(yàn)對(duì)象沒(méi)有定位到腎小球的濾過(guò)膜，差異性表達(dá)的microRNA靶基因參與細(xì)胞膜組成也不一定特指慮過(guò)膜的內(nèi)皮細(xì)胞，基底膜與臟層上皮細(xì)胞.所以這也需要深入探討.在后期的工作中，以腎臟組織為試驗(yàn)標(biāo)本也許能得出更準(zhǔn)確的實(shí)驗(yàn)結(jié)果.

在KEGG靶基因通路分析中，靶基因主要參與嘌呤代謝通路，MAPK信號(hào)通路.嘌呤代謝紊亂是引起高尿酸血癥與痛風(fēng)的主要原因，而MN的臨床表現(xiàn)卻少有報(bào)道高尿酸與痛風(fēng).但是研究報(bào)道發(fā)現(xiàn)嘌呤代謝紊亂與腎小球纖維化，腎小管率過(guò)濾降低有關(guān)，長(zhǎng)期升高尿酸是腎功能與腎衰竭惡化的一個(gè)重要指標(biāo)［18］.假設(shè)嘌呤代謝途徑是否在將來(lái)能成為監(jiān)控MN病情改變指標(biāo)，能夠在MN出現(xiàn)臨床癥狀之前發(fā)現(xiàn)腎小球的微小病理改變.MAPK信號(hào)通路是生物體內(nèi)重要的信號(hào)傳導(dǎo)系統(tǒng)，在細(xì)胞生長(zhǎng)，發(fā)育，分裂與分化等多種生理病理過(guò)程中起著重要作用，特別是在細(xì)胞周期運(yùn)行與基因表達(dá)起著重要調(diào)控作用［19］.MAPK在疾病的炎癥，免疫，腫瘤等都參與重要信號(hào)傳導(dǎo).據(jù)研究，MAPK信號(hào)通路活性可以作為腎臟疾病潛在機(jī)制，如果MAPK通路得到適當(dāng)抑制，有利于腎臟疾病的恢復(fù)［20］.

綜上所述，本研究在發(fā)現(xiàn)差異性表達(dá)microRNAs靶基因，用于分析靶基因的生物信息功能.以期望能更深入研究MN的發(fā)病機(jī)制原理，為研究MN的病因提供新的思路方法.但是本研究是基于前期大量的試驗(yàn)基礎(chǔ)與查閱大量相關(guān)文獻(xiàn)做出的實(shí)驗(yàn)結(jié)論，仍有很多不明確地方，這就需要在下一步的研究中繼續(xù)深入的探討.

［1］ LI L S，LIU Z H.Epidemiologic data of renal diseases from a single unit in China:analysis based on 13，519 renal biopsies［J］.Kidney Int，2004，66(3):920-923.

［2］ COUSER W G.Membranous nephropathy:a long road but well traveled［J］.J Am Soc Nephrol，2005，16(5):1184-1187.

［3］ GLASSOCK R J.The pathogenesis of membranous nephropathy:evolution and revolution［J］.Curr Opin Nephrol Hypertens，2012，21(3):235-42.

［4］ TAGUCHI T，OYAMADA M，HARADA T.［Pathology of membranous nephropathy］［J］.Nihon Jinzo Gakkai Shi，2011，53(5):684-91.

［5］ STAHL R A，HOXHA E，HELMCHEN U.Membranousglomerulonephritis:better therapy with autoantibody monitoring?［J］.Dtsch Med Wochenschr，2011，136(34-35):1733-1737.

［6］ ZHANG B，WANG Q，PAN X.MicroRNAs and their regulatory roles in animals and plants［J］.J Cell Physiol，2007，210(2):279-289.

［7］ CHUNG A C，YU X，LAN H Y.MicroRNA and nephropathy:emerging concepts［J］.Int J Nephrol Renovasc Dis，2013，6:169-179.

［8］ CHEN H Y，ZHONG X，HUANG X R，et al.MicroRNA-29b Inhibits Diabetic Nephropathy in db/db Mice［J］.Mol Ther，2014，22(4):842-853.

［9］ BAO H，CHEN H，ZHU X，et al.MiR-223 downregulation promotes glomerular endothelial cell activation by upregulating importin alpha4 and alpha5 in IgA nephropathy［J］.Kidney Int，2014，85(3):624-635.

［10］ KATO M.TGF-beta-induced signaling circuit loops mediated by microRNAs as new therapeutic targets for renal fibrosis?［J］.Kidney Int，2013，84(6):1067-1069.

［11］ SOON W W，HARIHARAN M，SNYDER M P.Highthroughput sequencing for biology and medicine［J］.Mol Syst Biol，2013，9:640.

［12］ VASUDEVAN S.Posttranscriptional upregulation by microRNAs［J］.Wiley Interdiscip Rev RNA，2012，3(3):311-330.

［13］ CHEN W B，TAN K T，HUANG J R，et al.Analysis of microRNAs in patients with systemic lupus erythematosus，using Solexa deep sequencing［J］.Connect Tissue Res，2014，55(3):187-196.

［14］ WANG H L，PENG W J，OUYANG X，et al.Circulating microRNAs as candidate biomarkers in patients with systemic lupus erythematosus［J］.Transl Res，2012，160(3):198-206.

［15］ OU M L，ZHANG X，DAI Y，et al.Identification of potential microRNA-target pairs associated with osteopetrosis by deep sequencing，iTRAQ proteomics and bioinformatics［J］.Eur J Hum Genet，2014，22(5):625-632.

［16］ HO J，NG KH，ROSEN S，et al.Podocyte-specific loss of functional microRNAs leads to rapid glomerular and tubular injury［J］.J Am Soc Nephrol，2008，19(11):2069-2075.

［17］ KAVOURA E，GAKIOPOULOU H，PARASKEVAKOU H，et al.Immunohistochemical evaluation of podocalyxin expression in glomerulopathies associated with nephrotic syndrome［J］.Hum Pathol，2011，42(2):227-235.

［18］ KANG D H，NAKAGAWA T.Uric acid and chronic renal disease:possible implication of hyperuricemia on progression of renal disease［J］.Semin Nephrol，2005，25(1):43-49.

［19］ MARTINEZ-LOPEZ N，SINGH R.ATGs:Scaffolds for MAPK/ERK signaling［J］.Autophagy，2014，10(3):535-537.

［20］ PENGAL R，GUESS A J，AGRAWAL S et al.Inhibition of the protein kinase MK-2 protects podocytes from nephrotic syndrome-related injury［J］.Am J Physiol Renal Physiol，2011，301(3):F509-F519.