Application of RNA Interference Technology to Acroporid Juvenile Corals
Notice bibliographique
Résumé
Numerous genes involved in calcification, algal endosymbiosis, and the stress response have been identified in corals by large-scale gene expression analysis, but functional analysis of those genes is lacking. There are few experimental examples of gene expression manipulation in corals, such as gene knockdown by RNA interference (RNAi). The purpose of this study is to establish an RNAi method for coral juveniles. As a first trial, the genes encoding green fluorescent protein (GFP, an endogenous fluorophore expressed by corals) and thioredoxin (TRX, a stress response gene) were selected for knockdown. Synthesized double-stranded RNAs (dsRNAs) corresponding to GFP and TRX were transformed into planula larvae by lipofection method to attempt RNAi. Real-time PCR analysis to verify knockdown showed that GFP and TRX expression levels tended to decrease with each dsRNA treatment (not significant). In addition, stress exposure experiments following RNAi treatment revealed that planulae with TRX knockdown exhibited increased mortality at elevated temperatures. In GFP-knockdown corals, decreased GFP fluorescence was observed. However, the effect of GFP-knockdown was confirmed only in the coral at the initial stages of larval metamorphosis into polyps, but not in planulae and 1 month-old budding polyps. This study showed that lipofection RNAi can be applied to coral planulae and polyps after settlement, and that this method provides a useful tool to modify expression of genes involved in stress tolerance and fluorescence emission of the corals.
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 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».