ABSTRACT Overexpressed Angiogenin (ANG) cleaves tRNA anticodons to produce tRNA halves similar to those produced in response to stress, but it is not clear whether endogenous ANG is essential for producing the stress-induced tRNA halves. It is also not clear whether smaller tRNA fragments (tRFs) are generated from the tRNA halves. Global short RNAseq experiments reveal that ANG over-expression selectively cleaves a subset of tRNAs (tRNA Glu , tRNA Gly , tRNA Lys , tRNA Val , tRNA His , tRNA Asp and tRNA SeC ) to produce tRNA halves and 26-30 bases long tRF-5s. Surprisingly, knockout of ANG reveals that the majority of stress-induced tRNA halves except 5’ half from tRNA HisGTG and 3’ half from tRNA AspGTC are ANG-independent, suggesting there are other RNases that can produce tRNA halves. The 17-25 bases long tRF-3s and tRF-5s that could enter into Argonaute complexes are not induced by ANG overexpression, suggesting that they are generated independently from tRNA halves. Consistent with this, knockout of ANG did not decrease tRF-3 levels or gene-silencing activity. Therefore ANG cleaves specific tRNAs, is not the only RNAse that creates tRNA halves and the shorter tRFs are not generated from the tRNA halves or from independent tRNA cleavage by ANG.

tRNA-derived small fragments (tRFs) and tRNA halves have emerging functions in different biological pathways, such as regulating gene expression, protein translation, retrotransposon activity, transgenerational epigenetic changes and response to environmental stress. However, small RNAs like tRFs and microRNAs in the maternal-fetal interface during gestation have not been studied extensively. Here we investigated the small RNA composition of mouse placenta/decidua, which represents the interface where the mother communicates with the fetus, to determine whether there are specific differences in tRFs and microRNAs during fetal development and in response to maternal immune activation (MIA). Global tRF expression pattern, just like microRNAs, can distinguish tissue types among placenta/decidua, fetal brain and fetal liver. In particular, 5' tRNA halves from tRNAGly, tRNAGlu, tRNAVal and tRNALys are abundantly expressed in the normal mouse placenta/decidua. Moreover, tRF and microRNA levels in the maternal-fetal-interface change dynamically over the course of embryonic development. To see if stress alters non-coding RNA expression at the maternal-fetal interface, we treated pregnant mice with a viral infection mimetic, which has been shown to promote autism-related phenotypes in the offspring. Acute changes in the levels of specific tRFs and microRNAs were observed 3-6 hours after MIA and are suppressed thereafter. A group of 5' tRNA halves is down-regulated by MIA, whereas a group of 18-nucleotide tRF-3a is up-regulated. In conclusion, tRFs show tissue-specificity, developmental changes and acute response to environmental stress, opening the possibility of them having a role in the fetal response to MIA.

miR-206, miR-1a-1 and miR-1a-2 are induced during differentiation of skeletal myoblasts and promote myogenesis in vitro. miR-206 is required for skeletal muscle regeneration in vivo. Although this microRNA family is hypothesized to play an essential role in differentiation, a triple knockout of the three genes has not been done to test this hypothesis. We report that triple KO C2C12 myoblasts generated using CRISPR/Cas9 method differentiate despite the expected de-repression of the microRNA targets. Surprisingly, their mitochondrial function is diminished. Triple KO mice demonstrate partial embryonic lethality, most likely due to the role of miR-1a in cardiac muscle differentiation. Two triple KO mice survive and grow normally to adulthood with smaller myofiber diameter and diminished physical performance. Thus, unlike other microRNAs important in other differentiation pathways, the miR-206 family is not absolutely essential for myogenesis and is instead a modulator of optimal differentiation of skeletal myoblasts.

Extrachromosomal circular DNAs (eccDNAs) lack centromeres and are not passed equally into daughter cells and thus provide a source of cell-cell heterogeneity in normal and tumor cells. Previously we and other groups purified circular DNA and linearized them by rolling circle amplification for paired end high throughput sequencing to identify eccDNA in cells and tissues. We hypothesized that many eccDNA will have more open chromatin and so will be susceptible to linearization and sequencing by tagmentation. Indeed, we find that ATAC-seq on cell lines and cancers, without any enrichment of circular DNA, identifies thousands of eccDNAs. The identified eccDNAs in cell lines were validated by inverse PCR on DNA that survives exonuclease digestion of linear DNA and by metaphase FISH. We demonstrate that ATAC-seq data generated in Lower Grade Gliomas (LGG) and Glioblastomas (GBM) identify eccDNAs, including one containing the well-known EGFR gene amplicon from chr7. Many of the eccDNAs are identified even before amplification of the locus is detected by genotyping arrays. Thus, standard ATAC-seq is a sensitive method to detect segments of DNA that are present as eccDNA in a subset of the tumor cells, ready to be further amplified under appropriate selection, as during therapy.

Abstract The recent revolution in cryo-electron microscopy has made it possible to determine macromolecular structures directly from cell extracts. However, identifying the correct protein from the cryo-EM map is still challenging and often needs additional sequence information from other techniques, such as tandem mass spectrometry and/or bioinformatics. Here, we present DeepTracer-ID, a server-based approach to identify the candidate protein in a user-provided organism de novo from a cryo-EM map, without the need for additional information. Our method first uses DeepTracer to generate a protein backbone model that best represents the cryo-EM map, and this model is then searched against the library of AlphaFold2 predictions for all proteins in the given organism. This method is highly accurate and robust: in all 13 experimental maps tested blindly, DeepTracer-ID identified the correct proteins as the top candidates. Eight of the maps were of known structures, while the other five unpublished maps were validated by prior protein annotation and careful inspection of the model refined into the map. The program also showed promising results for both homomeric and heteromeric protein complexes. This platform is possible because of the recent breakthroughs in large-scale protein 3D structure prediction. Statement of Significance While it has now become routine for cryo-EM maps of proteins to reach a near-atomic resolution, potentially allowing for reliable atomic models to be built, there are a growing number of instances where the protein identity may not be known. Without knowing the protein sequence, it is impossible to build an atomic model. DeepTracer-ID is a server-based approach to surmount this problem by identifying the proteins in a given organism that are found in the cryo-EM map. A free web service for global academic access is provided.

Based on experimentally determined average inter-origin distances of ∼100 kb, DNA replication initiates from ∼50,000 origins on human chromosomes in each cell cycle. The origins are believed to be specified by binding of factors like the Origin Recognition Complex (ORC) or CTCF or other features like G-quadruplexes. We have performed an integrative analysis of 113 genome-wide human origin profiles (from five different techniques) and 5 ORC-binding profiles to critically evaluate whether the most reproducible origins are specified by these features. Out of ∼7.5 million union origins identified by all datasets, only 0.27% were reproducibly obtained in at least 20 independent SNS-seq datasets and contained in initiation zones identified by each of three other techniques (20,250 shared origins), suggesting extensive variability in origin usage and identification. 21% of the shared origins overlap with transcriptional promoters, posing a conundrum. Although the shared origins overlap more than union origins with constitutive CTCF binding sites, G-quadruplex sites and activating histone marks, these overlaps are comparable or less than that of known Transcription Start Sites, so that these features could be enriched in origins because of the overlap of origins with epigenetically open, promoter-like sequences. Only 6.4% of the 20,250 shared origins were within 1 kb from any of the ∼13,000 reproducible ORC binding sites in human cancer cells, and only 4.5% were within 1 kb of the ∼11,000 union MCM2-7 binding sites in contrast to the nearly 100% overlap in the two comparisons in the yeast, S. cerevisiae . Thus, in human cancer cell lines, replication origins appear to be specified by highly variable stochastic events dependent on the high epigenetic accessibility around promoters, without extensive overlap between the most reproducible origins and currently known ORC- or MCM-binding sites.

tRNA derived RNA fragments (tRFs) is an emerging group of small RNAs as abundant as miRNAs, and yet their roles are not well understood. Here, we focus on endogenous tRFs (18-22 bases) derived from 3′ end of human mature tRNAs (tRF-3) and their functions in gene repression. tRF-3 levels increase upon parental tRNA over-expression or tRNA induction by c-Myc oncogene activation. Elevated tRF-3 levels lead to repression of target genes with a sequence complementary to the tRF-3 in the 3′ UTR. The tRF-3-mediated repression is Dicer-independent, Argonaute-dependent and the targets are recognized by 5′ seed sequence rules similar to miRNAs. Furthermore, tRF-3s associate with GW proteins in P-bodies. RNA-seq identifies the endogenous target genes of tRF-3s that are specifically repressed upon tRF-3 induction. Overall, our analysis shows Dicer-independent tRF-3s, generated upon tRNA upregulation such as c-Myc overexpression, regulate gene expression globally through Argounate via seed sequence matches.

Abstract tRNA fragments (tRFs) are small RNAs comparable to the size and function of miRNAs. tRFs are generally Dicer independent, are found associated with Ago, and can repress expression of genes post-transcriptionally. Given that this expands the repertoire of small RNAs capable of post-transcriptional gene expression, it is important to predict tRF targets with confidence. Some attempts have been made to predict tRF targets, but are limited in the scope of tRF classes used in prediction or limited in feature selection. We hypothesized that established miRNA target prediction features applied to tRFs through a random forest machine learning algorithm will immensely improve tRF target prediction. Using this approach, we show significant improvements in tRF target prediction for all classes of tRFs and validate our predictions in two independent cell lines. Finally, Gene Ontology analysis suggests that among the tRFs conserved between mice and humans, the predicted targets are enriched significantly in neuronal function, and we show this specifically for tRF-3009a. These improvements to tRF target prediction further our understanding of tRF function broadly across species and provide avenues for testing novel roles for tRFs in biology. We have created a publicly available website for the targets of tRFs predicted by tRForest.