Logg – logg plott av 〈MLD〉 vs sekvenslengde for virale og tilfeldig permuterte ssrnaer. De virale ssrnaene er identifisert av symbolene som er oppført i nøkkelen (Innsatsen). Den Bromoviridae analysert her er Fra Bromovirus og Cucomovirus slekter. Den rette linjen er en minste kvadraters passform til 〈MLD〉 verdier beregnet for tilfeldige lengdesekvenser 2,500, 3,000, 4,000, 5,000, 6,000, og 7000 nt; de vertikale linjene viser standardavvikene. 〈MLD〉 verdier ble beregnet med RNAsubopt.

som nevnt tidligere ble sammensetningen av de tilfeldige Rna valgt for å samsvare i gjennomsnitt med de virale Rna så nært som mulig. Mange individuelle virale Rna-Er varierer imidlertid vesentlig i sammensetning fra de tilfeldige Rna-ene, og reiser spørsmålet om de samme forskjellene i 〈MLD〉 ville bli sett hvis de virale Rna-ene hver ble sammenlignet med tilfeldige Rna-Er med identisk sammensetning. For å teste sensitiviteten for sammensetningen av 〈MLD ④ verdier av tilfeldige Rna, analyserte vi 3,000-base tilfeldig permuterte Rna av uniform (25% G, 25% C, 25% A, 25% U) sammensetning. Resultatene, oppført i Tabell 2, viser at 〈MLD〉 er ufølsom for små sammensetningsendringer. Videre er den gjennomsnittlige sammensetningen av gjær-Rna-er forskjellig vesentlig fra sammensetningen for begge settene av tilfeldige Rna-er, men deres 〈mld〉 verdier er omtrent det samme.

Hvor sannsynlig er det at de forventede forskjellene i 〈MLD〉 mellom virale Og ikke-virale Rna er til stede i faktiske Rna? RNAsubopt og alle lignende programmer som forutsier RNA struktur har evnen, i prinsippet, å finne alle mulige ikke-pseudoknotted strukturer. Dermed er nøyaktigheten Av RNAsubopt (dens evne til å prøve riktig fra ensemblet) ikke avhengig av hvilke strukturer det er i stand til å forutsi (det kan forutsi dem alle, sperrer de med pseudoknoter), men heller på energiene det tilordner dem, som bestemmes av energimodellen. Som nevnt tidligere krever Vi bare At rnasubopt er tilstrekkelig nøyaktig til å forutsi generelle grovkornede trekk ved rna-sekundærstrukturen, som for eksempel 〈MLD〉 For å vurdere om våre funn er spesifikke For RNAsubopt (og derfor muligens en artefakt av den spesielle energimodellen Som RNAsubopt er basert på), sammenlignet vi virale og tilfeldige ssRNAs ved å bruke mfold, som ligner RNAsubopt, men avviker noe i både energimodellen og strukturene den prøver fra ensemblet. Der de 〈MLD〉 verdiene generert av RNAsubopt er forskjellige fra AMLD verdiene generert av mfold, viste begge den samme systematiske forskjellen i MLD mellom virale og tilfeldige ssrna, og omtrent samme skaleringsforhold for tilfeldige sekvenser (AMLD ∼ N0.74±0.01 for mfold, Se Fig. S4).for ytterligere å teste robustheten til disse spådommene, sammenlignet vi tilfeldige og virale ssrnaer ved hjelp av vårt forenklede rna-foldingsprogram. Dette programmet bestemmer ikke individuelle sekundære strukturer og tillater derfor ikke beregning av 〈MLD〉 Det bestemmer imidlertid sammenkoblingssannsynligheter, som tillater beregning av maksimal gjennomsnittlig stigeavstand (MALD) for hele ensemblet av strukturer, som er maksimumsverdien av ensemblets gjennomsnitt Av n2-stigeavstandene knyttet til hver n-basesekvens. Vi finner at dette programmet—som de som er omtalt ovenfor, som er basert på mer realistiske energioppdrag-også spår systematiske forskjeller mellom tilfeldige Og virale Rna, noe som gir mindre MALD verdier for virale sekvenser enn for ikke-virale seg (Se Fig. S5). Dermed er selv en svært forenklet energimodell som bare tar hensyn til nærmeste nabo-interaksjoner tilstrekkelig til å avsløre en grunnleggende forskjell mellom sekundære strukturer av virale og tilfeldig permuterte ssRNA-sekvenser. MED denne forenklede modellen, for tilfeldige sekvenser av lengder 2,000–4,000, MALD ∼ N0. 66±0.02.

foldeprogrammene vi bruker, kan ikke produsere strukturer som inneholder pseudoknoter. Selv om pseudoknoter er kjent for å forekomme i virale Rna, som de som danner 3′-terminale tRNA-lignende strukturer (8), er de vanligvis lokale(involverer baser adskilt av < 102 nt langs sekvensen); følgelig bør ignorering av dem ikke påvirke vår prediksjon av total størrelse betydelig. Bevis har blitt funnet for lengre rekkevidde pseudoknoter, for eksempel kyssende hårnål som forbinder baser adskilt av så mange som 400 nt (31), men selv disse er nær i forhold til den totale lengden av virale genomer. I alle fall, vårt mål er å utvikle en zeroth-order teoretisk modell som fanger determinanter av total størrelse, med pseudoknots, kyssing hårnåler, og andre detaljer inkludert senere etter behov.

For å oversette 〈mld〉 til Rg, er det nyttig å kartlegge rna sekundære strukturer på polymermodeller hvis konfigurasjonsstatistikk er godt forstått, for eksempel ideelle lineære og «stjerne» polymerer. Ved å bruke den enkleste idealiseringen, som i den fritt leddkjedemodellen som er omtalt ovenfor, kan vi erstatte strukturer som de to vist I Fig. 1 A og B av lineære kjeder hvis effektive konturlengder (Leff) er gitt av deres 〈MLD〉 verdier. For å fullføre denne kartleggingen modellerer vi tosidige seksjoner som de stive leddene i kjeden, og ss buler, bobler og multibranch looper som de fleksible leddene som forbinder dem. Den effektive Kuhnlengden (beff) er dermed den gjennomsnittlige duplekslengden i ssrna-sekundærstrukturen, en egenskap som er omtrent den samme (5 bp) for alle undersøkte sekvenser. Dette tilsvarer en gjennomsnittlig rna duplekslengde på 1-2 nm. Fordi utholdenhetslengden (et mål på lengdeskalaen der bøyning observeres) av dsRNA er ≈60 nm (32), er modellering av tosidige seksjoner som stive legemer en utmerket tilnærming. Ss-løkkene inneholder i gjennomsnitt omtrent seks ss-baser, og dermed anslår vi at en typisk boble har omtrent tre ss-baser på hver side; utholdenhetslengden til ssRNA er sannsynligvis lik ssDNA, omtrent to baser (33).

Fra denne tilordningen mellom sekundære strukturer og effektiv lineære polymerer, det følger at Rg av en ssRNA molekyl med en tilfeldig rekkefølge bør bestemmes av Kombinerer den siste likningen med våre tidligere resultat, 〈MLD〉 ∼ N0.67, rentene For en non-self-unngå lineær kjede, ν = 0.5, i hvilket tilfelle, Rg ∼ N0.34; for en selv-unngå lineær kjede, ν ≈ 0.6, noe som gir Rg ∼ N0.40.

denne tilnærmingen kan utvides ved å kartlegge ssrna sekundære strukturer på en alternativ polymer modell system som står for alle mulige baner på tvers av strukturen, og dermed omfatter alle grener. For enhver ideell polymer, lineær eller forgrenet, Hvor Lij er avstanden langs ryggraden mellom monomerer i og j (34). Fortsetter som ovenfor, får vi Hvor Lij, eff har blitt erstattet Av LDij i andre trinn. ALD er gjennomsnittlig stigeavstand, dvs., gjennomsnittet Av N2 parvise stigeavstandene i EN rna-sekundær struktur, og 〈ALD〉 er ensemblets gjennomsnitt. Ved å bruke verdier for 〈ALD〉 beregnet nøyaktig ut fra paringssannsynlighetene generert Av RNAfold, har vi gjentatt analysen vist I Fig. 2. Resultatene er ekvivalente med 〈ALD 〉 ∼ n0.68±0.01 og Rg ∼ N0.34, og viser at forskjellene mellom tilfeldige og virale ssrnaer bevares når grener eksplisitt inkluderes (se fig. 3 Og z-poengene til 〈ALD〉 – verdiene i Den siste kolonnen I Tabell 1). SOM MED MLD er ALD robust med hensyn til energimodellen. Resultater oppnådd med det forenklede foldeprogrammet (〈ALD 〉 ∼ n0.68±0.01) er vist i fig. S6.