Decoding RNA splicing regulation and evolution using human long-non-coding RNAs and diplonemids pre-mRNA as models

Abstract

Sestřih RNA je základním procesem při expresi eukaryotických genů, při němž se spojují funkční sekvence RNA (exony) přerušené nekódujícími oblastmi (introny) a vznikají maturované molekuly RNA. Tento process je řízen dynamickým makromolekulárním komplexem, nazývaný spliceosomem. Ve své diplomové práci se zabývám dvěma málo prozkoumanými oblastmi sestřihu RNA: základnímy molekulárními procesy nižší účinosti sestřihu dlouhých nekódujících RNA (lncRNA) a rozmanitostí intronů u diplonemidních druhů. LncRNA procházejí podobnými maturačními kroky jako pre-mRNA kódující proteiny (PCG), přesto jsou často sestřihávány méně efektivně. Pomocí dat ENCODE RNA-seq jsme potvrdili, že lincRNA vykazují nižší sestřihové indexy napříč několika lidskými buněčnými liniemi. Naše celogenomové analýzy dále odhalily, že účinnost sestřihu lncRNA pozitivně koreluje se silou 5' sestřihového místa (5'ss), což u PCGs nebylo pozorováno. Kromě toho efektivně sestřihané lncRNA vykazují vyšší obsah thymidinu ve svých polypyrimidinových traktech (PPT) ve srovnání s PCG. Exony lncRNA také obsahují méně předpokládaných vazebných míst pro splicingové regulační proteiny (SR), které jsou velmi podstatné pro účinné nasedání spliceosomu. Pomocí iCLIP pro SRSF2, SRSF5 a SRSF6 a analýzou dat eCLIP pro SRSF1, SRSF7 a SRSF9 jsme prokázali, že...

RNA splicing is a fundamental process in eukaryotic gene expression, where functional RNA sequences (exons) interrupted by non-coding regions (introns) are joined to produce mature RNA molecules. This process is mediated by the spliceosome, a dynamic macromolecular complex. My thesis investigates two underexplored areas of RNA splicing: the molecular basis for the lower splicing efficiency of long non-coding RNAs (lncRNAs) and the diversity of introns in diplonemid species. LncRNAs undergo similar maturation steps as protein-coding pre-mRNAs (PCGs), yet they are often spliced less efficiently. Using ENCODE RNA-seq data, we confirmed that lincRNAs exhibit lower splicing indices across multiple human cell lines. Further, our genome-wide analyses revealed that lncRNA splicing efficiency positively correlates with the strength of the 5' splice site (5'ss), a pattern not observed in PCGs. Additionally, efficiently spliced lncRNAs exhibit a higher thymidine content in their polypyrimidine tracts (PPTs) compared to PCGs. LncRNA exons also harbor fewer predicted binding sites for splicing regulatory (SR) proteins, which are critical for efficient spliceosome recruitment. Using iCLIP for SRSF2, SRSF5, and SRSF6, and analyzing eCLIP data for SRSF1, SRSF7, and SRSF9, we demonstrated that SR protein binding to...