Mapping snoRNA-target RNA interactions in an RNA-binding protein-dependent manner with chimeric eCLIP
Notice bibliographique
Résumé
BACKGROUND: Small nucleolar RNAs (snoRNAs) are non-coding RNAs that function in ribosome and spliceosome biogenesis, primarily by guiding modifying enzymes to specific sites on ribosomal RNA (rRNA) and spliceosomal RNA (snRNA). However, many orphan snoRNAs remain uncharacterized, with unidentified or unvalidated targets, and studies on additional snoRNA-associated proteins are limited. RESULTS: We adapted an enhanced chimeric eCLIP approach to comprehensively profile snoRNA-target RNA interactions using both core and accessory snoRNA-binding proteins as baits. Using core snoRNA-binding proteins, we confirmed most annotated snoRNA-rRNA and snoRNA-snRNA interactions in mouse and human cell lines and called novel, high-confidence interactions for orphan snoRNAs. While some of these interactions result in chemical modification, others may have modification-independent functions. We showed that snoRNA ribonucleoprotein complexes containing certain accessory proteins, like WDR43 and NOLC1, enriched for specific subsets of snoRNA-target RNA interactions with distinct roles in ribosome and spliceosome biogenesis. Notably, we discovered that SNORD89 guides 2'-O-methylation at two neighboring sites in U2 snRNA that fine-tune splice site recognition. CONCLUSIONS: Chimeric eCLIP of snoRNA-associating proteins enables a comprehensive framework for studying snoRNA-target interactions in an RNA-binding protein-dependent manner, revealing novel interactions and regulatory roles in RNA biogenesis.
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 ».