Abstract In our previous study, circ_015343 was found to inhibit the viability and proliferation of ovine mammary epithelial cells (OMECs) and the expression levels of milk fat synthesis marker genes, but the regulatory mechanism underlying the processes is still unclear. Accordingly in this study, the target relationships between circ_015343 with miR‐25 and between miR‐25 with insulin induced gene 1 ( INSIG1 ) were verified, and the functions of miR‐25 and INSIG1 were investigated in OMECs. The dual‐luciferase reporter assay revealed that miR‐25 mimic remarkably decreased the luciferase activity of circ_015343 in HEK293T cells cotransfected with a wild‐type vector, while it did not change the activity of circ_015343 in HEK293T cells cotransfected with a mutant vector. These suggest that cic_015343 can adsorb and bind miR‐25. The miR‐25 increased the viability and proliferation of OMECs, and the content of triglycerides in OMECs. In addition, INSIG1 was found to be a target gene of miR‐25 using a dual‐luciferase reporter assay. Overexpression of INSIG1 decreased the viability, proliferation, and level of triglycerides of OMECs. In contrast, the inhibition of INSIG1 in expression had the opposite effect on activities and triglycerides of OMECs with overexpressed INSIG1 . A rescue experiment revealed that circ_015343 alleviated the inhibitory effect of miR‐25 on the mRNA and protein abundance of INSIG1 . These results indicate that circ_015343 sponges miR‐25 to inhibit the activities and content of triglycerides of OMECs by upregulating the expression of INSIG1 in OMECs. This study provided new insights for understanding the genetic molecular mechanism of lactation traits in sheep.

Introduction The gut microbiota significantly influences the host’s production performance and health status, with different gastrointestinal tissues exhibiting functional diversity reflected in their microbial diversity. Methods In this study, five adult male Tianzhu white yaks (4.5 years old) were selected and fed under the same nutritional conditions. After the feeding experiment, the yaks were slaughtered, and chyme samples were collected from the rumen, abomasum, jejunum, and colon for 16S rRNA full-length sequencing and volatile fatty acid analysis. Results The results showed that the microbial composition and diversity of the rumen and abomasum were similar, with close genetic distances and functional projections. In contrast, the jejunum and colon had distinct microbial compositions and diversity compared to the rumen and abomasum. At the phylum level, the dominant phyla in the rumen, abomasum, and colon were Firmicutes and Bacteroidetes, while in the jejunum, the dominant phyla were Firmicutes and Proteobacteria. The abundance of Firmicutes differed significantly between the jejunum (87.24%) and the rumen (54.67%), abomasum (67.70%), and colon (65.77%). Similarly, Bacteroidetes showed significant differences between the jejunum (2.21%) and the rumen (36.54%), abomasum (23.81%), and colon (28.12%). At the genus level, Rikenellaceae_RC9_gut_group and Christensenellaceae_R-7_group were dominant in both the rumen and abomasum. In the jejunum, Romboutsia and Paeniclostridium were dominant, while Rikenellaceae_RC9_gut_group and UCG-005 were the dominant genera in the colon. At the species level, rumen_bacterium_g_Rikenellaceae_RC9_gut_group and rumen_bacterium_g_Christensenellaceae_R-7_group were dominant in both the rumen and abomasum, while Clostridium_sp._g_Romboutsia and bacterium_g_Paeniclostridium were unique to the jejunum. Ruminococcaceae_bacterium_g_UCG-005 and bacterium_g_Rikenellaceae_RC9_gut_group were unique to the colon. KEGG functional prediction of the microbiota indicated that the dominant functions in the rumen, abomasum, colon, and jejunum were amino acid metabolism, glycan biosynthesis and metabolism, carbohydrate metabolism, and membrane transport, respectively, reflecting the digestive functions of these organs. Volatile fatty acid analysis showed that the concentrations of acetic acid, propionic acid, and butyric acid in the rumen were significantly higher than those in the abomasum, jejunum, and colon ( p < 0.05). Among these, the propionic acid concentration in the jejunum was significantly lower than in the abomasum and colon. Additionally, correlation analysis results indicated that acetic acid and butyric acid were significantly positively correlated with the ruminal bacterial community ( p < 0.05). The total volatile fatty acid concentration was highest in the rumen, decreased to less than one-fifth of the rumen’s total volatile fatty acid concentration in the abomasum and jejunum, and then reached a second peak in the colon. Conclusion This study explored the microbial composition and differential bacterial genera in the rumen and intestines of Tianzhu white yak, comparing the differences in volatile fatty acid levels and microbial composition and function across different regions. This is important for understanding their gastrointestinal microbiota’s spatial heterogeneity.

Predicting the popularity of information in social networks poses a highly challenging problem. The popularity of a message is contingent upon its diffusion process and the relationships it maintains with other cascades and is influenced by user behaviour within the social network. Effectively capturing the dynamic process of message propagation and integrating the structural features of the social network to enhance popularity prediction constitutes a pivotal challenge. To address the challenge, we propose a novel method called " Cascade Social Net" (CSN) that leverages cascade graphs and social graphs to predict cascade popularity accurately. The proposed method consists of three stages. Firstly, we construct a social graph by collecting user information and their connections. Secondly, we integrate information from social graphs, cascade graphs and inter-cascade graphs. Finally, we leverage graph neural networks to predict the popularity of cascades. To overcome the challenge of large-scale social graphs, we introduce a novel neighbour sampling technique that efficiently aggregates information from second-order neighbours. We evaluate our method on real-world datasets and compare it with state-of-the-art methods. Our results demonstrate that CSN outperforms existing methods in predicting cascade popularity.

Wool growth and fineness regulation is influenced by some factors such as genetics and environment. At the same time, lncRNA participates in numerous biological processes in animal production. In this research, we conducted a thorough analysis and characterization of the microstructure of wool, along with long non-coding RNAs (lncRNAs), their target genes, associated pathways, and Gene Ontology terms pertinent to the wool fineness development. The investigation utilized scanning electron microscopy and transcriptomic technology, focusing on two distinct types in Gansu alpine fine-wool sheep: coarse type (group C, MFD = 22.26 ± 0.69 μm, n = 6) and fine type (group F, MFD = 16.91 ± 0.29 μm, n = 6), which exhibit differing wool fiber diameters. The results showed that fine type wool fiber scales were more regularly distributed in rings with large scale spacing and smooth edges, while coarse type wool fiber scales were more irregularly arranged in tiles with relatively rougher edges, and the density of wool scales was greater than that of fine type wool. Furthermore, a comprehensive analysis revealed 164 differentially expressed lncRNAs along with 146 potential target genes linked to these lncRNAs in the skin tissues from groups C and F. Utilizing functional enrichment analysis on the target genes, we successfully identified a number of target genes might be associated with the improvement of wool fineness, such as FOXN1, LIPK, LOC101116068, LOC101106296, KRTAP5.4, KRT71, KRT82, DNASE1L2, which are related to hair follicle development, histidine metabolism, epidermal cell differentiation, oxidative phosphorylation and hair cycle process. Additionally, the interoperability network involving lncRNAs-mRNAs indicated lncRNAs (MSTRG.17445.2, XR_006060725.1, MSTRG.871.1, MSTRG.10907.4) might play a significant role in the wool growth development and fineness improvement process. In conclusion, the research enlarges the current lncRNAs database, providing a new insight for the investigation of wool fineness development in fine-wool sheep.