Genome‐wide identification of long non‐coding RNAs suggests a potential association with effector gene transcription in <i>Phytophthora sojae</i>
Notice bibliographique
Résumé
Numerous long non-coding RNAs (lncRNAs) identified and characterized in mammals, plants and fungi have been found to play critical regulatory roles in biological processes. However, little is known about the role of lncRNAs in oomycete plant pathogens, which cause devastating damage to the economy and ecosystems. We used strand-specific RNA sequencing (RNA-seq) to generate a computational pipeline to identify lncRNAs in Phytophthora sojae, a model oomycete plant pathogen. In total, 940 lncRNAs with 1010 isoforms were identified from RNA-seq data obtained from four representative stages of P. sojae. The lncRNAs had shorter transcript lengths, longer exon lengths, fewer numbers of exons, lower GC content and higher minimum free energy values compared with protein-coding genes. lncRNAs in P. sojae exhibited low sequence conservation amongst oomycetes and P. sojae isolates. Transcriptional data indicated that P. sojae lncRNAs tended to be transcribed in a stage-specific manner; representative lncRNAs were validated by semi-quantitative reverse transcription-polymerase chain reaction. Phytophthora sojae lncRNAs were concentrated in gene-sparse regions, and lncRNAs were associated with secreted protein and effector coding genes. The neighbouring genes of lncRNAs encoded various effector family members, and RNA-seq data revealed a correlation between the transcription level of lncRNAs and their neighbouring genes. Our results provide the first comprehensive identification of lncRNAs in oomycetes and suggest a potential association between lncRNAs and effector genes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».