Integrated Comparative Transcriptome and circRNA-lncRNA-miRNA-mRNA ceRNA Regulatory Network Analyses Identify Molecular Mechanisms Associated with Intramuscular Fat Content in Beef Cattle
Notice bibliographique
Résumé
Intramuscular fat content (IMF), one of the most important carcass traits in beef cattle, is controlled by complex regulatory factors. At present, molecular mechanisms involved in regulating IMF and fat metabolism in beef cattle are not well understood. Our objective was to integrate comparative transcriptomic and competing endogenous RNA (ceRNA) network analyses to identify candidate messenger RNAs (mRNAs) and regulatory RNAs involved in molecular regulation of longissimus dorsi muscle (LDM) tissue for IMF and fat metabolism of 5 beef cattle breeds (Angus, Chinese Simmental, Luxi, Nanyang, and Shandong Black). In total, 34 circRNAs, 57 lncRNAs, 15 miRNAs, and 374 mRNAs were identified by integrating gene ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) enrichment analyses. Furthermore, 7 key subnets with 16 circRNAs, 43 lncRNAs, 7 miRNAs, and 237 mRNAs were detected through clustering analyses, whereas GO enrichment analysis of identified RNAs revealed 48, 13, and 28 significantly enriched GO terms related to IMF in biological process, molecular function, and cellular component categories, respectively. The main metabolic-signaling pathways associated with IMF and fat metabolism that were enriched included metabolic, calcium, cGMP-PKG, thyroid hormone, and oxytocin signaling pathways. Moreover, MCU, CYB5R1, and BAG3 genes were common among the 10 comparative groups defined as important candidate marker genes for fat metabolism in beef cattle. Contributions of transcriptome profiles from various beef breeds and a competing endogenous RNA (ceRNA) regulatory network underlying phenotypic differences in IMF provided novel insights into molecular mechanisms associated with meat quality.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».