MétaCan
Menu
← Retour à la cohorte
Enregistrement W4403869860 · doi:10.3390/dna4040027

Biogenesis and Regulation of the Freeze–Thaw Responsive microRNA Fingerprint in Hepatic Tissue of Rana sylvatica

2024· article· en· W4403869860 sur OpenAlexafffund
Hanane Hadj‐Moussa, W. Aline Ingelson‐Filpula, Kenneth B. Storey

Notice bibliographique

RevueDNA · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBiogenesismicroRNABiologyCell biologyComputational biologyGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Background: Freeze-tolerant animals undergo significant physiological and biochemical changes to overcome challenges associated with prolonged whole-body freezing. In wood frog Rana sylvatica (now Lithobates sylvaticus), up to 65% of total body water freezes in extracellular ice masses and, during this state of suspended animation, it is completely immobile and displays no detectable brain, heart, or respirometry activity. To survive such extensive freezing, frogs integrate various regulatory mechanisms to ensure quick and smooth transitions into or out of this hypometabolic state. One such rapid and reversible regulatory molecule capable of coordinating many aspects of biological functions is microRNA. Herein, we present a large-scale analysis of the biogenesis and regulation of microRNAs in wood frog liver over the course of a freeze–thaw cycle (control, 24 h frozen, and 8 h thawed). Methods/Results: Immunoblotting of key microRNA biogenesis factors showed an upregulation and enhancement of microRNA processing capacity during freezing and thawing. This was followed with RT-qPCR analysis of 109 microRNA species, of which 20 were significantly differentially expressed during freezing and thawing, with the majority being upregulated. Downstream bioinformatics analysis of miRNA/mRNA targeting coupled with in silico protein–protein interactions and functional clustering of biological processes suggested that these microRNAs were suppressing pro-growth functions, including DNA replication, mRNA processing and splicing, protein translation and turnover, and carbohydrate metabolism. Conclusions: Our findings suggest that this enhanced miRNA maturation capacity might be one key factor in the vital hepatic miRNA-mediated suppression of energy-expensive processes needed for long-term survival in a frozen state.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,236
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDNA→Même sujetMicroRNA in disease regulation→Travaux en français237 207→