Küçük RNA'ları Ölçmek için AQRNA-seq

AQRNA dizilimi, hemen hemen her hücre veya doku örneğindeki mikroRNA'lar, tRNA'lar ve tRNA fragmanları gibi küçük RNA'ları kantitatif olarak haritalandırır. Bilinen 170 tRNA modifikasyonundan bazılarını haritalamak için kullanılabilir, ancak haritalama için daha spesifik olan başka yöntemler de vardır. RNome'daki hastalık biyobelirteçlerini keşfetmek ve sistem düzeyinde protein translasyon mekanizmalarını keşfetmek için AQRNA-seq'i kullanabilirsiniz.

Çoğu RNA-seq yöntemi, bir numunedeki tek tek RNA moleküllerinin bolluğunu doğru bir şekilde ölçemez. Bu, hem RNA'nın ikincil yapılar, transkripsiyon sonrası modifikasyonlar gibi yapısal özelliklerinden hem de RNA'lar üzerindeki terminal nükleotidler tarafından indüklenen bin katlı ligasyon önyargıları gibi kütüphane hazırlığının biyokimyasından kaynaklanır. AQRNA-seq, numunedeki RNA bolluğunun doğru bir şekilde ölçülmesini sınırlayan çeşitli teknik ve biyolojik zorlukların üstesinden gelmek için geliştirilmiştir.

Diğer konularla karşılaştırıldığında, RNA moleküllerinin sayımları ve kopya sayıları arasında doğrusallık sağlar, doğru bir şekilde, bir referans kütüphanesinin %75'ini ölçer ve 963 mikroRNA'yı iki kat doğrulukla sıkıştırır. AQRNA-seq, küçük RNA'ların mutlak miktar tayinini sağlamada benzersizdir. Bu, sıralama sayımlarını doğrudan numunedeki bir RNA molekülünün kopya sayısına bağlar.

Bu doğruluk seviyesi, bir numunedeki düzinelerce ila yüzlerce tRNA'yı karşılaştırmak için çok önemlidir ve yalnızca koşullar ve numuneler arasında göreceli nicelemeye izin veren normal küçük RNA diziliminden farklıdır. AQRNA-seq'i protein translasyonunu anlamada karşılanmamış bir ihtiyaç için tasarladık. Hücrelerin, bu tRNA'larla eşleşen kodonlarla zenginleştirilmiş haberci RNA'ların seçici translasyonuna izin vermek için, modifiye edilmiş tRNA'ların kopya sayısında düzinelerce tRNA modifikasyonunu yeniden programladığını bulduk.

AQRNA-seq, bu mekanizmanın bir parçası olarak tRNA havuzundaki değişiklikleri ölçmemize izin verir. Protein translasyonu için bu yeni modeli doğrulamak için yoğun bir şekilde kullandık.