An Expanded Landscape of Unusually Short RNAs in 11 Samples from Six Eukaryotic Organisms
Notice bibliographique
Résumé
Small RNA sequencing (sRNA-Seq) approaches unveiled sequences derived from longer non-coding RNAs, such as transfer RNA (tRNA) and ribosomal RNA (rRNA) fragments, known as tRFs and rRFs, respectively. However, rRNAs and RNAs shorter than 16 nt are often depleted from library preparations/sequencing analyses, although they may be functional. Here, we sought to obtain a complete repertoire of small RNAs by sequencing the total RNA from 11 samples of 6 different eukaryotic organisms, from yeasts to human, in an extended 8- to 30-nt window of RNA length. The 8- to 15-nt window essentially contained fragments of longer non-coding RNAs, such as microRNAs, PIWI-associated RNAs (piRNAs), small nucleolar RNAs (snoRNAs), tRNAs and rRNAs. Notably, unusually short RNAs < 16 nt were more abundant than those >16 nt in bilaterian organisms. A new RT-qPCR method confirmed that two unusually short rRFs of 12 and 13 nt were more overly abundant (~3-log difference) than two microRNAs. We propose to not deplete rRNA and to reduce the lower threshold of RNA length to include unusually short RNAs in sRNA-Seq analyses and datasets, as their abundance and diversity support their potential role and importance as biomarkers of disease and/or mediators of cellular function.
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 ».