High Throughput Sequencing of MicroRNA in Rainbow Trout Plasma, Mucus, and Surrounding Water Following Acute Stress
Notice bibliographique
Résumé
Circulating plasma microRNAs (miRNAs) are well established as biomarkers of several diseases in humans and have recently been used as indicators of environmental exposures in fish. However, the role of plasma miRNAs in regulating acute stress responses in fish is largely unknown. Tissue and plasma miRNAs have recently been associated with excreted miRNAs; however, external miRNAs have never been measured in fish. The objective of this study was to identify the altered plasma miRNAs in response to acute stress in rainbow trout ( Oncorhynchus mykiss ), as well as altered miRNAs in fish epidermal mucus and the surrounding ambient water. Small RNA was extracted and sequenced from plasma, mucus, and water collected from rainbow trout pre- and 1 h-post a 3-min air stressor. Following small RNA-Seq and pathway analysis, we identified differentially expressed plasma miRNAs that targeted biosynthetic, degradation, and metabolic pathways. We successfully isolated miRNA from trout mucus and the surrounding water and detected differences in miRNA expression 1-h post air stress. The expressed miRNA profiles in mucus and water were different from the altered plasma miRNA profile, which indicated that the plasma miRNA response was not associated with or immediately reflected in external samples, which was further validated through qPCR. This research expands understanding of the role of plasma miRNA in the acute stress response of fish and is the first report of successful isolation and profiling of miRNA from fish mucus or samples of ambient water. Measurements of miRNA from plasma, mucus, or water can be further studied and have potential to be applied as non-lethal indicators of acute stress in fish.
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 ».