ABSTRACT Of all ubiquitin-like small protein modifiers, Rub1/NEDD8 is the closest kin of ubiquitin in sequence and in structure. Despite their profound similarities, prevalence of ubiquitin and of Rub1 is starkly different: targets of ubiquitin modification reach into the thousands, whereas unique targets of Rub1/NEDD8 appear limited to one family of proteins, Cullins. This distinction is likely due to dedicated E1 activating enzymes that select either one or the other and relay the modifier until it is covalently attached to a target. To convert typical neddylation targets for modification by ubiquitin, and vice versa, we designed reciprocal substitutions at position 72 of Rub1 and of ubiquitin to render them substrates for activation by their non-cognate E1 activating enzymes. We found that this single amino acid is sufficient to distinguish between Ub and Rub1 in living cells, and determine their targets. Thus, modification of Cullins by Ub R72T could compensate for loss of Rub1, even as it maintained its ability to polymerize and direct conjugates for degradation. Conversely, Rub1 T72R activated by ubiquitin-activating enzyme entered into the ubiquitination cascade, however was not efficiently polymerized, essentially capping polyubiquitin chains. Upon shortage of free ubiquitin under stress, even native Rub1 spilled-over into the ubiquitinome suppressing polyubiquitination. By contrast, the need to maintain monomeric modifications on unique targets is a likely explanation for why the Rub1-activating enzyme strictly discriminates against ubiquitin. Swapping Rub1 and ubiquitin signals uncovered a reason for maintaining two separate pathways across eukaryotic kingdom.

Introduction: Anthropogenic disturbances resulting from extensive mining activities in tropical regions pose significant threats to native land use, leading to deforestation, biodiversity loss, climate change impacts, environmental degradation, health risks, landscape fragmentation, compromised ecological security, and societal wellbeing. Monitoring Land Use and Land Cover Change (LULCC) becomes imperative for evaluating the extent and nature of land degradation in mined areas. Methods: This study examined and compared land cover change patterns across three coalmined sites: Sohagpur (Site-I), Jamuna & Kotma (Site-II), Bishrampur (Site-III) in Central India over 3 decades using Landsat satellite imagery from 1994, 2007, and 2022. The Maximum Likelihood (ML) algorithm, within a supervised classification framework, was applied to discern mining impacts on decadal land use shifts. Results and discussion: The analysis revealed that 7.32%–17.61% of forest cover, 5.0%–10% of water bodies, and 3%–5% of agricultural lands were lost due to mining activities, with Site three and Site two experiencing greater losses compared to Site 1. Overall, native land cover diminished by 35% between 1994 and 2022. Indices including Soil Index, Climate Index, Terrain Index, Land Utilization Index, and Vegetation Index were derived to assess land degradation patterns. These indices were integrated using a weighted index model in ArcGIS to generate the Land Degradation Vulnerability Index (LDVI). Vulnerability notably escalated with mining expansion, particularly pronounced at Site 3 (Bishrampur) and lower at Site 1 (Sohagpur). The “extremely vulnerable” class encompassed a substantial area (25%–40%), while the “low vulnerable” class was less than 5% across all sites. This study’s comprehensive analysis aids policymakers, planners, and managers in prioritizing targeted interventions and implementing sustainable land management 175 practices for ecorestoration, aligning with the goal of Zero Net Land Degradation 176 (ZNLD) in coal-mined landscapes.

Blockchain Technology has grown exponentially in recent years due to its decentralized, immutable, transparent data storage, transaction sharing, and processing capabilities. With the emergence of different blockchain platforms, it is important to analyze and evaluate the performance of these platforms in various scenarios. The popularity of the public blockchain, i.e., Bitcoin and Ethereum, has increased manifold. But in distinction to a public blockchain, there is a permissioned and private blockchain that allows restricted involvement of users in the network. To make a well-informed decision regarding the selection of an appropriate platform for utilization, it is crucial to evaluate diverse performance metrics among the numerous available blockchain platforms. In this study, we assessed the performance of the Hyperledger Fabric blockchain (HLF), taking into account various metrics such as resource consumption, throughput, success rate, and latency. We have incorporated parameters such as the ordering service, programming language to write chaincode/smart contracts, number of transactions, transactions per second, and organizations to evaluate the system's performance. Along with our analysis, we also suggested potential areas of research for future development of blockchain technology.