RNAs não codificantes na resposta de plantas a estresses bióticos e abióticos: integração de genômica computacional e aprendizado de máquina

Esta tese investiga o papel regulatório dos RNAs não codificantes (ncRNAs), com foco em microRNAs (miRNAs), RNAs circulares (circRNAs) e RNAs longos não codificantes (lncRNAs), nas respostas de plantas a estresses bióticos e abióticos, empregando abordagens genômicas computacionais e aprendizado de máquina. O primeiro manuscrito caracteriza o silenciamento gênico inter-reinos (CK-RNAi) bidirecional no patossistema Botrytis cinerea e Fragaria × ananassa (morango), identificando 260 milRNAs fúngicos preditos de novo, com quatro efetores funcionais comprovadamente carregados em BcAGO durante a infecção. O estudo priorizou computacionalmente 21 alvos promissores para o desenvolvimento de estratégias de silenciamento gênico induzido pelo hospedeiro (HIGS). No segundo manuscrito, o transcriptoma de frutos de morango sob estresse osmótico (déficit hídrico e salinidade) foi prospectado, resultando no primeiro catálogo de circRNAs para a espécie. Foram identificados circRNAs constitutivos e exclusivos de estresse, evidenciando seu potencial atuação como RNAs endógenos competidores (“esponjas”) para miRNAs de resposta a estresses, como o miR398. Por fim, o terceiro manuscrito descreve o desenvolvimento do BATATA, uma ferramenta web de código aberto baseada em aprendizado de máquina para prever a responsividade de lncRNAs da batata (Solanum tuberosum) a 12 patógenos distintos. Utilizando frequências de k-mers extraídas da sequência primária, a plataforma demonstrou capacidade discriminatória consistente, facilitando a priorização de candidatos para a genômica funcional. Em conjunto, os resultados aprofundam a compreensão das complexas redes de regulação pós-transcricional vegetal, fornecendo alvos biotecnológicos e ferramentas preditivas aplicáveis a culturas de alto impacto agronômico.