Computational Characterization of ncRNA Fragments in Various Tissues of the Brassica rapa Plant
Notice bibliographique
Résumé
Recently, a novel type of non-coding RNA (ncRNA), known as ncRNA fragments or ncRFs, has been characterised in various organisms, including plants. The biogenesis mechanism, function and abundance of ncRFs stemming from various ncRNAs are poorly understood, especially in plants. In this work, we have computationally analysed the composition of ncRNAs and the fragments that derive from them in various tissues of Brassica rapa plants, including leaves, meristem tissue, pollen, unfertilized and fertilized ova, embryo and endosperm. Detailed analysis of transfer RNA (tRNA) fragments (tRFs), ribosomal RNA (rRNA) fragments (rRFs), small nucleolar RNA (snoRNA) fragments (snoRFs) and small nuclear RNA (snRNA) fragments (snRFs) showed a predominance of tRFs, with the 26 nucleotides (nt) fraction being the largest. Mapping ncRF reads to full-length mature ncRNAs showed a strong bias for one or both termini. tRFs mapped predominantly to the 5′ end, whereas snRFs mapped to the 3′ end, suggesting that there may be specific biogenesis and retention mechanisms. In the case of tRFs, specific isoacceptors were enriched, including tRNAGly(UCC) and tRFAsp(GUC). The analysis showed that the processing of 26-nt tRF5′ occurred by cleavage at the last unpaired nucleotide of the loop between the D arm and the anticodon arm. Further support for the functionality of ncRFs comes from the analysis of binding between ncRFs and their potential targets. A higher average percentage of binding at the first half of fragments was observed, with the highest percentage being at 2–6 nt. To summarise, our analysis showed that ncRFs in B. rapa are abundantly produced in a tissue-specific manner, with bias toward a terminus, the bias toward the size of generated fragments and the bias toward the targeting of specific biological processes.
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 | 0,000 | 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 ».