Identification of bacterial sRNA regulatory targets using ribosome profiling
Notice bibliographique
Résumé
Bacteria express large numbers of non-coding, regulatory RNAs known as 'small RNAs' (sRNAs). sRNAs typically regulate expression of multiple target messenger RNAs (mRNAs) through base-pairing interactions. sRNA:mRNA base-pairing often results in altered mRNA stability and/or altered translation initiation. Computational identification of sRNA targets is challenging due to the requirement for only short regions of base-pairing that can accommodate mismatches. Experimental approaches have been applied to identify sRNA targets on a genomic scale, but these focus only on those targets regulated at the level of mRNA stability. Here, we utilize ribosome profiling (Ribo-seq) to experimentally identify regulatory targets of the Escherichia coli sRNA RyhB. We not only validate a majority of known RyhB targets using the Ribo-seq approach, but also discover many novel ones. We further confirm regulation of a selection of known and novel targets using targeted reporter assays. By mutating nucleotides in the mRNA of a newly discovered target, we demonstrate direct regulation of this target by RyhB. Moreover, we show that Ribo-seq distinguishes between mRNAs regulated at the level of RNA stability and those regulated at the level of translation. Thus, Ribo-seq represents a powerful approach for genome-scale identification of sRNA targets.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».