Chimeric mitochondrial RNA transcripts predict mitochondrial genome deletion mutations in mitochondrial genetic diseases and aging
Notice bibliographique
Résumé
Although it is well understood that mitochondrial DNA (mtDNA) deletion mutations cause incurable diseases and contribute to aging, little is known about the transcriptional products that arise from these DNA structural variants. We hypothesized that mitochondrial genomes containing deletion mutations express chimeric mitochondrial RNAs. To test this, we analyzed human and rat RNA sequencing data to identify, quantitate, and characterize chimeric mitochondrial RNAs. We observe increased chimeric mitochondrial RNA frequency in samples from patients with mitochondrial genetic diseases and in samples from aged humans. The spectrum of chimeric mitochondrial transcripts reflects the known pattern of mtDNA deletion mutations. To test the hypothesis that mtDNA deletions induce chimeric RNA transcripts, we treated 18 month old and 34 month old rats with guanidinopropionic acid to induce high levels of skeletal muscle mtDNA deletion mutations. With mtDNA deletion induction, we demonstrate that the chimeric mitochondrial transcript frequency also increases and correlates strongly with an orthogonal DNA-based mutation assay performed on identical samples. Further, we show that the frequency of chimeric mitochondrial transcripts predicts expression of both nuclear and mitochondrial genes central to mitochondrial function, demonstrating the utility of these events as metrics of age-induced metabolic change. Mapping and quantitation of chimeric mitochondrial RNAs provide an accessible, orthogonal approach to DNA-based mutation assays, offer a potential method for identifying mitochondrial pathology in widely accessible data sets, and open a new area of study in mitochondrial genetics and transcriptomics.
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 | 0,001 | 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 | 0,001 |
| 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 ».