Компьютерное предсказание сети взаимодействий длинных некодирующих РНК и микроРНК кукурузы на основе транскриптома мутантной линии fuzzy tassel

Длинные некодирующие РНК (днРНК) играют важную роль в регуляции экспрессии генов, включая взаимодействия с микроРНК (миРНК), выполняя функцию молекулярных «губок». Для предсказания таких взаимодействий, как правило, применяются методы биоинформатики. Для уточнения предсказаний компьютерных программ можно использовать дополнительные данные на основе коэкспрессии миРНК и днРНК. В настоящей работе исследуются потенциальные взаимодействия между днРНК и миРНК у мутантной линии кукурузы fuzzy tassel (fzt), характеризующейся сниженной экспрессией некоторых миРНК вследствие мутации в гене Dicer-like1 (DCL1) в тканях побега и соцветия. Проведена сборка транскриптомов на основе данных RNA-seq побега и соцветия кукурузы контрольной и мутантной линий. Данные были взяты из архива SRA NCBI. Для побега было идентифицировано десять днРНК, достоверно изменяющих свой уровень экспрессии между контрольной и мутантной группами, девять из них повышают экспрессию у мутантных рас тений. Для соцветия идентифицировано 34 дифференциально экспрессирующихся днРНК (20 с повышенным уровнем экспрессии у мутантных линий). Для днРНК с повышенным уровнем собственной экспрессии и миРНК с пониженным уровнем экспрессии в мутантных линиях были предсказаны потенциальные взаимодействия с помощью алгоритма машинного обу чения PmliPred. С использованием программы IntaRNA подтверждена возможность комплементарного связывания для выявленных пар миРНК–днРНК, что позволило построить конкурирующие эндогенные РНК-сети. Анализ структуры этих сетей показал, что отдельные днРНК способны связывать несколько миРНК одновременно, подтверждая их регуляторную функцию в качестве «губок» для миРНК. Полученные результаты углуб ляют понимание посттранскрипционной регуляции у кукурузы и открывают перспективы для селекционных разработок, направленных на повышение стрессоустойчивости и продуктивности растений.

1. Barrera-Rojas C.H., Otoni W.C., Nogueira F.T.S. Shaping the root system: the interplay between miRNA regulatory hubs and phy tohormones. J Exp Bot. 2021;72(20):6822-6835. doi 10.1093/jxb/erab299

2. Bolger A.M., Lohse M., Usadel B. Trimmomatic: a flexible trimmer for Illumina sequence data. Bioinformatics. 2014;30(15):2114-2120. doi 10.1093/bioinformatics/btu170

3. Bolser D.M., Staines D.M., Perry E., Kersey P.J. Ensembl Plants: inte grating tools for visualizing, mining, and analyzing plant genomic data. In: van Dijk A. (Ed.) Plant Genomics Databases. Methods in Molecular Biology. Vol. 1533. New York: Humana Press, 2017; 1-31. doi 10.1007/978-1-4939-6658-5_1

4. Bray N., Pimentel H., Melsted P., Pachter L. Near-optimal probabilistic RNA-seq quantification. Nat Biotechnol. 2016;34(5):525-527. doi 10.1038/nbt.3519

5. Canto-Pastor A., Santos B., Valli A., Summers W., Schornack S., Baul combe D. Enhanced resistance to bacterial and oomycete pathogens by short tandem target mimic RNAs in tomato. Proc Natl Acad Sci USA. 2019;116(7):2755-2760. doi 10.1073/pnas.181438011

6. Caruana J.C., Dhar N., Raina R. Overexpression of Arabidopsis microRNA167 induces salicylic acid-dependent defense against Pseu domonas syringae through the regulation of its targets ARF6 and ARF8. Plant Direct. 2020;4(9):e00270. doi 10.1002/pld3.270

7. Dobin A., Davis C.A., Schlesinger F., Drenkow J., Zaleski C., Jha S., Batut P., Chaisson M., Gingeras T.R. STAR: ultrafast universal RNA-seq aligner. Bioinformatics. 2013;29(1):15-21. doi 10.1093/bioinformatics/bts635

8. Gao Y., Feng B., Gao C., Zhang M., Zhang X., Han X., Liu P., Wang B., Li Z. The evolution and functional roles of miR408 and its targets in plants. Int J Mol Sci. 2022;23(1):530. doi 10.3390/ijms23010530

9. He X., Guo S., Wang Y., Wang L., Shu S., Sun J. Systematic identifica tion and analysis of heat-stress-responsive lncRNAs, circRNAs and miRNAs with associated co-expression and ceRNA networks in cu cumber (Cucumis sativus L.). Physiol Plant. 2020;168(3):736-754. doi 10.1111/ppl.12997

10. Jiang A., Guo Z., Pan J., Yu B., Chen D., Li Y. The PIF1-miR408 PLANTACYANIN repression cascade regulates light-dependent seed germination. Plant Cell. 2021;33(5):1506-1529. doi 10.1093/plcell/koab060

11. Jiang P., Lian B., Liu C., Fu Z., Shen Y., Cheng Z., Ding Y. 21-nt phasiRNAs direct target mRNA cleavage in rice male germ cells. Nat Commun. 2020;11(1):5191. doi 10.1038/s41467-020-19034-y

12. Jones-Rhoades M.W., Bartel D.P., Bartel B. MicroRNAs and their regulatory roles in plants. Annual Rev Plant Biol. 2006;57:19-53. doi 10.1146/annurev.arplant.57.032905.105218

13. Kang Q., Jun M., Jun C., Zhang Y., Wang W. PmliPred: a method based on hybrid model and fuzzy decision for plant miRNA–lncRNA in teraction prediction. Bioinformatics. 2020;36(10):2986-2992. doi 10.1093/bioinformatics/btaa074

14. Li R., Yang Y.F., Li R., Zhu H.L., Luo Y.B. Functions of long non-cod ing RNA and its interacting mechanisms. Chin Bull Life Sci. 2016; 28(6):703-711. doi 10.13376/j.cbls/2016090

15. Li W., Cui X., Meng Z., Huang X., Xie Q., Wu H., Jin H., Zhang D., Liang W. Transcriptional regulation of Arabidopsis MIR168a and ARGONAUTE1 homeostasis in abscisic acid and abiotic stress re sponses. Plant Physiol. 2012;158(3):1279-1292. doi 10.1104/pp.111.188789

16. Love M.I., Huber W., Anders S. Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biol. 2014;15(12):550. doi 10.1186/s13059-014-0550-8

17. Mann M., Wright P.R., Backofen R. IntaRNA 2.0: enhanced and cus tomizable prediction of RNA–RNA interactions. Nucleic Acids Res. 2017;45(W1):W435-W439. doi 10.1093/nar/gkx279

18. Martínez de Alba A.E., Jauvion V., Mallory A.C., Bouteiller N., Vaucheret H. The miRNA pathway limits AGO1 availability during siRNA-mediated PTGS defense against exogenous RNA. Nucleic Acids Res. 2011;39(21):9339-9344. doi 10.1093/nar/gkr590

19. Pertea M., Pertea G.M., Antonescu C.M., Chang T.C., Mendell J.T., Salzberg S.L. StringTie enables improved reconstruction of a tran scriptome from RNA-seq reads. Nat Biotechnol. 2015;33(3):290 295. doi 10.1038/nbt.3122

20. Preston J.C., Hileman L.C. Functional evolution in the plant SQUA MOSA-PROMOTER BINDING PROTEIN-LIKE (SPL) gene family. Front Plant Sci. 2013;4:80. doi 10.3389/fpls.2013.00080

21. Pronozin A.Y., Afonnikov D.A. ICAnnoLncRNA: a snakemake pipeline for a long noncoding RNA search and annotation in transcriptomic sequences. Genes. 2023;14(7):1331. doi 10.3390/genes14071331

22. Pronozin A.Y., Afonnikov D.A. The role of long noncoding RNAs in plants. Russ J Genet. 2025;61:1-18. doi 10.1134/S1022795424701345

23. Ripoll J.J., Bailey L.J., Mai Q.A., Wu S.L., Hon C.T., Chapman E.J., Ditta G.S., Estelle M., Yanofsky M.F. microRNA regulation of fruit growth. Nat Plants. 2015;1(4):15036. doi 10.1038/nplants.2015.36

24. Robinson M.D., McCarthy D.J., Smyth G.K. edgeR: a Bioconductor package for differential expression analysis of digital gene expres sion data. Bioinformatics. 2010;26(1):139-140. doi 10.1093/bioinformatics/btp616

25. Sheng N., Huang L., Gao L., Zhao W., Zhang Y., Wang X. A survey of computational methods and databases for lncRNA-miRNA inter action prediction. IEEE/ACM Trans Comput Biol Bioinform. 2023; 20(5):2810-2826. doi 10.1109/TCBB.2023.3264254

26. Simão F.A., Waterhouse R.M., Ioannidis P., Kriventseva E.V., Zdob nov E.M. BUSCO: assessing genome assembly and annotation completeness with single-copy orthologs. Bioinformatics. 2015; 31(19):3210-3212. doi 10.1093/bioinformatics/btv351

27. Song J.B., Shu X.X., Shen Q., Guo C.Y., Jiang J., Xie L.H., Liu Y.F., Yang Z.M. Altered fruit and seed development of transgenic rape seed (Brassica napus) over-expressing microRNA394. PLoS One. 2015;10(5):e0125427. doi 10.1371/journal.pone.0125427

28. Sun P., Cheng C., Lin Y., Zhu Q., Lin J., Jin Y., Yuan H., Lin Y. Com bined small RNA and degradome sequencing reveals complex microRNA regulation of catechin biosynthesis in tea (Camellia sinensis). PLoS One. 2017;12(2):e0171173. doi 10.1371/journal.pone.0171173

29. Sun Q., Csorba T., Skourti-Stathaki K., Proudfoot N.J., Dean C. R-loop stabilization represses antisense transcription at the Arabidopsis FLC locus. Science. 2013;340(6132):619-621. doi 10.1126/science.1234848

30. Sun Q., Liu X., Yang J., Wang Y., Zhang Y., Li J., Wang N., Li H., Wang J. MicroRNA528 affects lodging resistance of maize by regu lating lignin biosynthesis under nitrogen-luxury conditions. Mol Plant. 2018;11(6):806-814. doi 10.1016/j.molp.2018.03.013

31. Sunkar R., Li Y.F., Jagadeeswaran G. Functions of microRNAs in plant stress responses. Trends Plant Sci. 2012;17(4):196-203. doi 10.1016/j.tplants.2012.01.010

32. Thompson B.E., Basham C., Hammond R., Sidorenko L., Becker M.G., Neuffer M.G., Meeley R.B., Timmermans M.C.P., Chandler V.L., Hake S. The dicer-like1 homolog fuzzy tassel is required for the regu- lation of meristem determinacy in the inflorescence and vegetative growth in maize. Plant Cell. 2014;26(12):4702-4717. doi 10.1105/tpc.114.132670

33. Wang H., Wang H. The miR156/SPL module, a regulatory hub and ver satile toolbox, gears up crops for enhanced agronomic traits. Mol Plant. 2015;8(5):677-688. doi 10.1016/j.molp.2015.01.008

34. Wang L., Wang J.W. Coding function for non-coding RNA in plants insights from miRNA encoded peptide (miPEP). Sci China Life Sci. 2015;58(5):503-505. doi 10.1007/s11427-015-4854-z

35. Wang Y., Liu W., Wang X., Yang R., Wu Z., Wang H., Wang L., Hu Z., Guo S., Zhang H., Lin J., Fu C. MiR156 regulates anthocyanin bio synthesis through SPL targets and other microRNAs in poplar. Hor tic Res. 2020;7:118. doi 10.1038/s41438-020-00341-w

36. Wu J., Yang R., Yang Z., Yao S., Zhao S., Wang Y., Li P., … Zhou X., Chu C., Qi Y., Cao X., Li Y. ROS accumulation and antiviral de fence control by microRNA528 in rice. Nat Plants. 2017;3:16203. doi 10.1038/nplants.2016.203

37. Zhang B., Wang L., Zeng L., Zhang C., Ma H. Arabidopsis TOE pro teins convey a photoperiodic signal to antagonize CONSTANS and regulate flowering time. Genes Dev. 2015;29(9):975-987. doi 10.1101/gad.251520.114

38. Zhang L., Chia J.M., Kumari S., Stein J.C., Liu Z., Narechania A., Maher C.A., Guill K., McMullen M.D., Ware D. A genome-wide characterization of microRNA genes in maize. PLoS Genet. 2009; 5(11):e1000716. doi 10.1371/journal.pgen.1000716

39. Zou H., Guo X., Yang R., Wang D., Liu K., Gan L., Yuan Y., Qi J., Wang Y. MiR408-SmLAC3 module participates in salvianolic acid B synthesis in Salvia miltiorrhiza. Int J Mol Sci. 2021;22(14):7541. doi 10.3390/ijms22147541