XW
Xiang Wang
Author with expertise in RNA Methylation and Modification in Gene Expression
Achievements
Open Access Advocate
Cited Author
Key Stats
Upvotes received:
0
Publications:
7
(86% Open Access)
Cited by:
694
h-index:
27
/
i10-index:
57
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Long noncoding RNA LINC00336 inhibits ferroptosis in lung cancer by functioning as a competing endogenous RNA

Min Wang et al.Feb 20, 2019
The regulatory loop between long noncoding RNAs (lncRNAs) and microRNAs has a dynamic role in transcriptional and translational regulation, and is involved in cancer. However, the regulatory circuitry between lncRNAs and microRNAs in tumorigenesis remains elusive. Here we demonstrate that a nuclear lncRNA LINC00336 is upregulated in lung cancer and functions as an oncogene by acting as a competing endogenous RNA (ceRNAs). LINC00336 bound RNA-binding protein ELAVL1 (ELAV-like RNA-binding protein 1) using nucleotides 1901–2107 of LINC00336 and the RRM interaction domain and key amino acids (aa) of ELAVL1 (aa 101–213), inhibiting ferroptosis. Moreover, ELAVL1 increased LINC00336 expression by stabilizing its posttranscriptional level, whereas LSH (lymphoid-specific helicase) increased ELAVL1 expression through the p53 signaling pathway, further supporting the hypothesis that LSH promotes LINC00336 expression. Interestingly, LINC00336 served as an endogenous sponge of microRNA 6852 (MIR6852) to regulate the expression of cystathionine-β-synthase (CBS), a surrogate marker of ferroptosis. Finally, we found that MIR6852 inhibited cell growth by promoting ferroptosis. These data show that the network of lncRNA and ceRNA has an important role in tumorigenesis and ferroptosis.
0
Citation447
0
Save
0

Shared genetic aetiology of respiratory diseases: a genome-wide multitraits association analysis

Zhe Chen et al.Jun 1, 2024
Objective This study aims to explore the common genetic basis between respiratory diseases and to identify shared molecular and biological mechanisms. Methods This genome-wide pleiotropic association study uses multiple statistical methods to systematically analyse the shared genetic basis between five respiratory diseases (asthma, chronic obstructive pulmonary disease, idiopathic pulmonary fibrosis, lung cancer and snoring) using the largest publicly available genome wide association studies summary statistics. The missions of this study are to evaluate global and local genetic correlations, to identify pleiotropic loci, to elucidate biological pathways at the multiomics level and to explore causal relationships between respiratory diseases. Data were collected from 27 November 2022 to 30 March 2023 and analysed from 14 April 2023 to 13 July 2023. Main outcomes and measures The primary outcomes are shared genetic loci, pleiotropic genes, biological pathways and estimates of genetic correlations and causal effects. Results Significant genetic correlations were found for 10 paired traits in 5 respiratory diseases. Cross-Phenotype Association identified 12 400 significant potential pleiotropic single-nucleotide polymorphism at 156 independent pleiotropic loci. In addition, multitrait colocalisation analysis identified 15 colocalised loci and a subset of colocalised traits. Gene-based analyses identified 432 potential pleiotropic genes and were further validated at the transcriptome and protein levels. Both pathway enrichment and single-cell enrichment analyses supported the role of the immune system in respiratory diseases. Additionally, five pairs of respiratory diseases have a causal relationship. Conclusions and relevance This study reveals the common genetic basis and pleiotropic genes among respiratory diseases. It provides strong evidence for further therapeutic strategies and risk prediction for the phenomenon of respiratory disease comorbidity.
0
Citation1
0
Save
0

Multi-view graph learning for deciphering the dominant cell communication assembly of downstream functional events from single-cell RNA-seq data

Bo-Ya Ji et al.Mar 3, 2024
ABSTRACT Cell-cell communications (CCCs) from multiple sender cells collaboratively affect downstream functional events in receiver cells, thus influencing cell phenotype and function. How to rank the importance of these CCCs and find the dominant ones in a specific downstream functional event has great significance for deciphering various physiological and pathogenic processes. To date, several computational methods have been developed to focus on the identification of cell types that communicate with enriched ligand-receptor interactions from single-cell RNA-seq (scRNA-seq) data, but to the best of our knowledge, all of them lack the ability to identify the communicating cell type pairs that play a major role in a specific downstream functional event, which we call it “dominant cell communication assembly (DCA)”. Here, we proposed scDCA, a multi-view graph learning method for deciphering DCA from scRNA-seq data. scDCA is based on a multi-view CCC network by constructing different cell type combinations at single-cell resolution. Multi-view graph convolution network was further employed to reconstruct the expression pattern of target genes or the functional states of receiver cells. The DCA was subsequently identified by interpreting the model with the attention mechanism. scDCA was verified in a real scRNA-seq cohort of advanced renal cell carcinoma, accurately deciphering the DCA that affect the expression patterns of the critical immune genes and functional states of malignant cells. Furthermore, scDCA also accurately explored the alteration in cell communication under clinical intervention by comparing the DCA for certain cytotoxic factors between patients with and without immunotherapy. scDCA is free available at: https://github.com/pengsl-lab/scDCA.git .
0

Integrating 16S rDNA and metabolomics to uncover the therapeutic mechanism of electroacupuncture in type 2 diabetic rats

Yue Zhang et al.Jan 6, 2025
Objective This study aimed to investigate the impact of electroacupuncture (EA) on blood glucose levels, gut microbiota, short-chain fatty acids (SCFAs), and glucagon-like peptide-1 (GLP-1) in a rat model of type 2 diabetes mellitus (T2DM). Methods Forty Sprague–Dawley (SD) rats were randomly assigned to five groups (n = 8/group) using a random number table: normal control, T2DM model, electroacupuncture (EA), EA + antibiotics (EA + A), and antibiotics (A). The normal rats received a standard diet and saline gavage, while the other groups were fed a high-fat diet and emulsion. The EA + A and A groups received additional antibiotic solution gavage. The normal, model, and A groups were immobilized and restrained for 30 min, six times per week, for 4 weeks. The EA and EA + A groups received EA treatment at specific acupoints for 30 min, six times per week, for 4 weeks. EA parameters were continuous waves at 10 Hz and 1–2 mA. During the intervention, water and food consumption, body weight, fasting blood glucose (FBG), and oral glucose tolerance test (OGTT) were monitored. Pancreatic tissue was examined using hematoxylin and eosin (H&amp;E) staining. Fecal microbial communities were analyzed by 16S rDNA sequencing, and short-chain fatty acids (SCFAs) were measured using gas chromatography–mass spectrometry (GC–MS). Serum levels of fasting insulin (FINS), glycated hemoglobin (HbA1c), and glucagon-like peptide-1 (GLP-1) were determined using enzyme-linked immunosorbent assay (ELISA). Results EA significantly improved daily water intake, food consumption, and body weight in T2DM rats ( p &lt; 0.01). EA also reduced FBG, the area under the curve of the OGTT, FINS, and homeostasis model assessment of insulin resistance (HOMA-IR) in T2DM rats ( p &lt; 0.05). The ELISA results showed a lower concentration of HbA1c in the EA group ( p &lt; 0.05). EA improved the overall morphology and area of pancreatic islets, increased the number of β -cell nuclei, and alleviated β-cell hypertrophy. The abundance of operational taxonomic units (OTUs) in the EA group increased than the model group ( p &lt; 0.05), and EA upregulated the Shannon, Chao1, and Ace indices ( p &lt; 0.05). EA increased the concentrations of acetic acid, butyric acid, and GLP-1 ( p &lt; 0.05). Correlation analysis revealed negative associations between Lactobacillaceae ( R = −0.81, p = 0.015) and Lactobacillus ( R = −0.759, p = 0.029) with FBG. Peptostreptococcaceae and Romboutsia were negatively correlated with HbA1c ( R = −0.81, p = 0.015), while Enterobacteriaceae was positively correlated with OGTT ( R = 0.762, p = 0.028). GLP-1 was positively correlated with acetic acid ( R = 0.487, p = 0.001), butyric acid ( R = 0.586, p = 0.000), isovaleric acid ( R = 0.374, p = 0.017), valeric acid ( R = 0.535, p = 0.000), and caproic acid ( R = 0.371, p = 0.018). Antibiotics disrupted the intestinal microbiota structure and weakened the therapeutic effects of EA. Conclusion EA effectively improved glucose metabolism in T2DM rats. The hypoglycemic effects of EA were associated with the regulation of gut microbiota, SCFAs, and GLP-1.