The landscape of Arabidopsis <scp>tRNA</scp> aminoacylation
Notice bibliographique
Résumé
The function of transfer RNAs (tRNAs) depends on enzymes that cleave primary transcript ends, add a 3' CCA tail, introduce post-transcriptional base modifications, and charge (aminoacylate) mature tRNAs with the correct amino acid. Maintaining an available pool of the resulting aminoacylated tRNAs is essential for protein synthesis. High-throughput sequencing techniques have recently been developed to provide a comprehensive view of aminoacylation state in a tRNA-specific fashion. However, these methods have never been applied to plants. Here, we treated Arabidopsis thaliana RNA samples with periodate and then performed tRNA-seq to distinguish between aminoacylated and uncharged tRNAs. This approach successfully captured every tRNA isodecoder family and detected expression of additional tRNA-like transcripts. We found that estimated aminoacylation rates and CCA tail integrity were significantly higher on average for organellar (mitochondrial and plastid) tRNAs than for nuclear/cytosolic tRNAs. Reanalysis of previously published human cell line data showed a similar pattern. Base modifications result in nucleotide misincorporations and truncations during reverse transcription, which we quantified and used to test for relationships with aminoacylation levels. We also determined that the Arabidopsis tRNA-like sequences (t-elements) that are cleaved from the ends of some mitochondrial messenger RNAs have post-transcriptionally modified bases and CCA-tail addition. However, these t-elements are not aminoacylated, indicating that they are only recognized by a subset of tRNA-interacting enzymes and do not play a role in translation. Overall, this work provides a characterization of the baseline landscape of plant tRNA aminoacylation rates and demonstrates an approach for investigating environmental and genetic perturbations to plant translation machinery.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».