High-Throughput miRFluR Platform Identifies miRNA Regulating B3GLCT That Predict Peters’ Plus Syndrome Phenotype, Supporting the miRNA Proxy Hypothesis
Notice bibliographique
Résumé
MicroRNAs (miRNAs, miRs) finely tune protein expression and target networks of hundreds to thousands of genes that control specific biological processes. They are critical regulators of glycosylation, one of the most diverse and abundant post-translational modifications. In recent work, miRs have been shown to predict the biological functions of glycosylation enzymes, leading to the "miRNA proxy hypothesis" which states, "if a miR drives a specific biological phenotype..., the targets of that miR will drive the same biological phenotype." Testing of this powerful hypothesis is hampered by our lack of knowledge about miR targets. Target prediction suffers from low accuracy and a high false prediction rate. Herein, we develop a high-throughput experimental platform to analyze miR-target interactions, miRFluR. We utilize this system to analyze the interactions of the entire human miRome with beta-3-glucosyltransferase (B3GLCT), a glycosylation enzyme whose loss underpins the congenital disorder Peters' Plus Syndrome. Although this enzyme is predicted by multiple algorithms to be highly targeted by miRs, we identify only 27 miRs that downregulate B3GLCT, a >96% false positive rate for prediction. Functional enrichment analysis of these validated miRs predicts phenotypes associated with Peters' Plus Syndrome, although B3GLCT is not in their known target network. Thus, biological phenotypes driven by B3GLCT may be driven by the target networks of miRs that regulate this enzyme, providing additional evidence for the miRNA proxy hypothesis.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».