Badanie zależności pomiędzy ekspresją miRNA i mRNA

MikroRNA są kluczowymi regulatorami ekspresji genów. Ich zdolność do celowania w wiele cząsteczek mRNA i zróżnicowane mechanizmy regulacji sprawiają, że są niezbędne w szerokim spektrum procesów biologicznych. Chociaż uważa się, że korelacja ekspresji między miRNA i mRNA jest w większości negatywna, wbrew temu przekonaniu zaobserwowano wystąpienia pozytywnej korelacji. Jednak dokładne wzorce i mechanizmy stojące za jej kierunkiem są wciąż słabo poznane. Wykorzystując dane z karaczana prusaka (Blattella germanica), przeanalizowano łącznie 86 cząsteczek miRNA i ich interakcje z ich docelowymi cząsteczkami mRNA na 11 etapach rozwoju. Współczynnik korelacji między ich ekspresją obliczono za pomocą metody Spearmana, Uzyskane wartości korelacji zostały zwizualizowane i przeanalizowane. Obliczono częstości dodatnio i ujemnie skorelowanych docelowych miRNA oraz zidentyfikowano różne typy miRNA i odmienne wzorce korelacji. Wyniki pokazują, że chociaż niektóre miRNA wykazują tendencję do określonego rodzaju regulacji, mogą one nadal wpływać na swoje docelowe cząsteczki mRNA na różne sposoby. Analiza pokazuje złożoność relacji między ekspresją miRNA i mRNA i przyczynia się do jej lepszego zrozumienia.

MicroRNAs are key regulators of gene expression. Their ability to target multiple mRNAs and different mechanisms of regulation makes them essential in the wide range of biological processes. Although the correlations between miRNA and mRNA are thought to be mostly negative, contrary to this belief, a positive correlation has been observed. However, the exact patterns and mechanisms behind the direction of correlation between miRNA and mRNA expression are still poorly understood. Using a temporal transcriptomic dataset containing the expression of small RNAs and mRNAs data from the German cockroach (Blattella germanica), a total of 86 miRNAs and their interactions with mRNA targets were analyzed across 11 developmental stages. The correlation coefficient between miRNA and mRNA expression was calculated using the Spearman method. The resulting correlation values were visualized and analyzed. Frequencies of positively and negatively correlated targets were calculated, and different types of miRNAs and distinct correlation patterns were identified. Analysis suggests that although certain miRNAs tend to exhibit a particular type of correlation with their targets, they can still have other types of correlation, suggesting that the same miRNA might regulate its targets in multiple other ways. The study highlights the complexity of the relationships between miRNA and mRNA expression and contributes to its better understanding.