Botánica, nutrición y genética Estados Unidos Temas

Los investigadores perfeccionan el mejor software para detectar microARN en plantas

plantas
Crédito: Unsplash / CC0 Public Domain

Hace casi veinte años, se descubrió en plantas el proceso de silenciamiento del ARN, mediante el cual pequeños fragmentos de ARN inactivan una parte de un gen durante la síntesis de proteínas. 


por la Sociedad Botánica de América


Desde entonces, se ha demostrado que estos fragmentos, llamados microARN (abreviados como miARN), son esenciales en casi todas las etapas del crecimiento y desarrollo de las plantas, desde la producción de flores, tallos y raíces hasta las formas en que las plantas interactúan con su entorno y se protegen infección.

La detección y caracterización de miARN es un campo de investigación activo. En la década posterior a su descubrimiento en plantas , se utilizaron más de 1.000 herramientas bioinformáticas para identificar miARN y trazar un mapa de lugares potenciales para buscarlos.

En un nuevo estudio publicado en la revista Applications in Plant Sciences , los investigadores se propusieron simplificar el proceso de descubrimiento y caracterización de miARN probando ocho de las aplicaciones de miARN más utilizadas, evaluando cada una en función de la precisión, sensibilidad, velocidad y cantidad de memoria de la computadora utilizada por el software.

La gran cantidad de aplicaciones disponibles puede hacer que el estudio de los miARN sea una tarea abrumadora. La mayoría de estas herramientas (77%) también se desarrollaron y probaron teniendo en cuenta los sistemas animales, por lo que no está claro si su utilidad puede extenderse para la detección y el análisis de miARN en plantas.

«Las vías biosintéticas de miARN en plantas y animales son diferentes», dijo el Dr. Qi You, profesor del Colegio de Agricultura de la Universidad de Yangzhou y autor principal del estudio. «Al mismo tiempo, la estructura de tallo-bucle de los precursores de miARN de plantas es más grande que la de los animales. Los miARN de plantas se modificarán por metilación, pero los miARN de animales no».

Las cosas se complican aún más cuando se considera que los individuos de la misma especie vegetal pueden tener diferentes tamaños de genoma, lo que dificulta el desarrollo de un único enfoque estandarizado. Además, algunos programas solo buscan miARN que ya se sabe que existen, mientras que otros revisan los genomas para encontrar nuevas adiciones a la lista.

Finalmente, mientras que la mayoría de las herramientas utilizan criterios de búsqueda para identificar directamente secuencias de miARN en un genoma, otras están diseñadas para buscar miARN en sus primeras etapas de desarrollo (miARN precursor), cuando se unen más pares de bases en cada extremo antes de que un proceso de escisión molecular los recorte. a la medida.

Usted y sus colegas tomaron ocho aplicaciones de miARN (una que fue desarrollada para su uso en animales y dos que se usan exclusivamente para localizar miARN precursor) y las probaron vigorosamente en cuatro especies de plantas diferentes, cada una con diferentes tamaños de genoma: berro thale ( Arabidopsis thaliana ), arroz ( Oryza sativa ), maíz ( Zea mays ) y trigo ( Triticum aestivum ).

Si bien los ocho programas tuvieron un rendimiento similar en términos de precisión, hubo algunos ganadores y perdedores obvios para todas las demás métricas puntuadas, analizadas juntas y por separado.

Primero, el software desarrollado para la detección de miARN en animales obtuvo una baja sensibilidad y, en promedio, tardó más en ejecutarse que la mayoría de los otros programas. Fue particularmente malo para identificar miARN conocidos en el maíz y tuvo una alta tasa de positivos verdaderos a falsos en el trigo, lo que indica que probablemente no sea adecuado para su uso en plantas.

Dos programas destacaron del resto por su alta sensibilidad y bajos tiempos de ejecución. El primero, miRExpress, un programa desarrollado en 2009 para la detección de nuevos miARN putativos, tuvo la mayor sensibilidad para tres de las cuatro especies probadas y utilizó la menor cantidad de memoria. El subcampeón fue el programa sRNAbench, que tuvo la mayor sensibilidad para el trigo y tiempos de ejecución similares.

De los dos, sRNAbench tiene muchas de las mismas funciones y utilidad que el programa desarrollado para los sistemas animales probados en este estudio, lo que lo convierte en un sustituto sólido para su uso en plantas.

Sin embargo, en última instancia, no existe una opción única para todos cuando se trata de elegir el mejor programa, y ​​los investigadores deben elegir en función de sus necesidades y recursos disponibles, dijo You.

«Los investigadores deben considerar el tamaño del genoma de la especie probada, el tamaño de los datos de la muestra y la configuración de su propio equipo informático».

Para los laboratorios que pueden no tener acceso a la computación de alto rendimiento o que no tienen suficiente espacio en la memoria de la computadora, los autores recomiendan miRExpress, que mantiene altas tasas de precisión y consume menos recursos.

Para aquellos con más RAM, sRNAbench es el siguiente paso, con alta precisión y aplicabilidad a varias especies con diferentes tamaños de genoma. Del mismo modo, la detección de precursores miARN requiere grandes cantidades de RAM, para lo que los autores recomiendan el programa miRkwood.



WP Twitter Auto Publish Powered By : XYZScripts.com