Dissecting Small Noncoding RNA Landscapes in Mouse Preimplantation Embryos and Human Blastoids for Modeling Early Human Embryogenesis
Notice bibliographique
Résumé
Summary Small non-coding RNAs (sncRNA) exert regulatory functions in mammalian cells; however, their expression dynamics and contribution during preimplantation development are not entirely understood. In this study, we apply Small-Seq to generate a comprehensive single-cell atlas of sncRNA expression in mouse oocytes, sperm, and embryos (2-cell to 64-cell stages), and compare these dynamics with human embryos at equivalent stages. In both species, all sncRNA subtypes are expressed, but only microRNAs (miRNAs) and small nucleolar RNAs (snoRNAs) display cell type-specific patterns. In mice and humans, miRNAs and snoRNAs from the Dlk1-Dio3 locus were upregulated in the inner cell mass (ICM). Human trophectoderm (TE) is enriched with primate-specific C19MC miRNAs, which show relatively low expression in the ICM. In contrast, the mouse lacks a TE-specific hotspot, as C2MC miRNAs are higher in the ICM. Nonetheless, differentiation-associated miRNAs (e.g., miR-24-3p, miR-200c-3p) are high in the TE of both species. Further, we profile the sncRNAs of human blastoids (stem-cell-based embryo model) and determine that they largely recapitulate the human blastocyst. We envision broad utility of this dataset as a resource for future studies seeking to dissect the functions of individual sncRNAs in early development, and for advancing applications in stem cell-based embryo models and assisted reproductive technologies.
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 | 0,000 | 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) | 0,001 | 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 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 ».