Nucleotide Complementarity Features in the Design of Effective Artificial miRNAs
Notice bibliographique
Résumé
L'importance du miARN dans la régulation des gènes a bien été établie. Cependant, le mécanisme précis du processus de reconnaissance des cibles n'est toujours pas complètement compris. Parmi les facteurs connus, la complémentarité en nucléotides, l'accessibilité des sites cibles, la concentration en espèces d'ARN et la coopérativité des sites ont été jugées importantes. En utilisant ces règles connues, nous avons précédemment conçu des miARN artificiels qui inhibent la croissance des cellules cancéreuses en réprimant l'expression de plusieurs gènes. De telles séquences guides ont été délivrées dans les cellules sous forme de shARN. Le VIH étant un virus à ARN, nous avons conçu et testé des ARN guides qui inhibent sa réplication en ciblant directement le génome viral et les facteurs cellulaires nécessaires au virus dans le cadre de mon premier projet. En utilisant une version mise à jour du programme de conception, mirBooking, nous devenons capables de prédire l'effet de concentration des espèces à ARN avec plus de précision. Les séquences guides conçues fournissaient aux cellules une résistance efficace à l'infection virale, égale ou meilleure que celles ciblant directement le génome viral par une complémentarité quasi-parfaite. Cependant, les niveaux de répression des facteurs viraux et cellulaires ne pouvaient pas être prédits avec précision. Afin de mieux comprendre les règles de reconnaissance des cibles miARN, les règles de couplage des bases au-delà du « seed » ont été approfondies dans mon deuxième projet. En concevant des séquences guides correspondant partiellement à la cible et en analysant le schéma de répression, nous avons établi un modèle unificateur de reconnaissance de cible par miARN via la protéine Ago2. Il montre qu'une fois que le « seed » est appariée avec l'ARN cible, la formation d'un duplex d'ARN est interrompue au niveau de la partie centrale du brin guide mais reprend plus loin en aval de la partie centrale en suivant un ordre distinct. L'implémentation des règles découvertes dans un programme informatique, MicroAlign, a permis d'améliorer la conception de miARN artificiels efficaces. Dans cette étude, nous avons non seulement confirmé la contribution des nucléotides non-germes à l'efficacité des miARN, mais également défini de manière quantitative la manière dont ils fonctionnent. Le point de vue actuellement répandu selon lequel les miARN peuvent cibler efficacement tous les gènes de manière égale, avec uniquement des correspondances de semences, peut nécessiter un réexamen
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».