Supporting data for "Convergent architecture, divergent mechanism: a transposable element-derived lncRNA as the chromatin switch in Cannabis sativa sex determination"

This dataset contains the input sequences and the complete bioinformatic output files supporting the analysis of the Cannabis sativa Monoecy1 sex-determination locus reported in the associated manuscript. All analyses were performed on the Cannabis sativa cv. 'Pink Pepper' genome assembly GCA_029168945.1 (ASM2916894v1), chromosome X (RefSeq accession NC_083610.1), using the Dardel high-performance computing system at the PDC Center for High Performance Computing, KTH Royal Institute of Technology, Stockholm. The files document four lines of evidence used to evaluate the mechanism by which the long non-coding RNA lncREM16 (LOC133032448; transcript XR_009685085.1) silences the B3-domain transcription factor gene CsREM16 (LOC115699937; transcripts XM_030627485.2 and XM_030627490.2) within the Monoecy1 locus. Contents: Input sequences (FASTA): the 80 kb Monoecy1 genomic locus (Monoecy1_locus.fa; NC_083610.1:81,080,000-81,160,000), the two CsREM16 mRNA isoforms (CsREM16_X1.fa, CsREM16_X2.fa, CsREM16_both.fa), the lncREM16 transcript (lncREM16.fa), and the extracted 73 bp shared region from both the lncREM16 transcript and the genomic locus (shared_73bp.fa, shared_genomic.fa, both_shared.fa). Transposable element annotation (RepeatMasker v4.1.5, RMBLAST v2.14.0+, Dfam 3.7, viridiplantae): annotation tables, summary statistics, masked sequences, category files, and GFF output for both the 80 kb locus (Monoecy1_locus.fa.out, .tbl, .cat, .masked, .out.gff) and the lncREM16 transcript (lncREM16.fa.out, .tbl, .cat, .masked, .out.gff, .out.html). These files report the 33% TE content of the locus and the 37% TE content of the lncREM16 transcript, and identify the unclassified element DR2330744 at the CsREM16 exon 3 / intron 2 boundary. Sequence complementarity tests (NCBI blastn): antisense BLAST of lncREM16 against the CsREM16 mRNAs (lnc_vs_REM16_antisense.txt), against the genomic locus (lnc_vs_genomic_antisense.txt), the corresponding sense-strand orientation check (lnc_vs_genomic_sense.txt), the lncREM16 self-BLAST for inverted-repeat / hairpin detection (lnc_selfblast.txt), the alignment of the 73 bp shared region (shared_vs_lnc.txt, shared_vs_rem16.txt), and the BLAST of the 73 bp query against the NCBI nt database (blast_results.xml, blast_rid.txt). All antisense complementarity tests returned zero hits. Small RNA mapping (Bowtie v1): size-filtered small RNA reads (18-30 nt) derived from NCBI SRA run SRR25938888 (gerola_18_30.fastq.gz), and the alignment outputs in antisense and sense orientation against the CsREM16 mRNAs and the genomic locus (antisense_CsREM16.sam, sense_CsREM16.sam, antisense_monoecy1.sam, sense_monoecy1.sam) with their mapping statistics (antisense_stats.txt, sense_stats.txt, antisense_monoecy1_stats.txt, sense_monoecy1_stats.txt, overall_mapping_stats.txt, and the relaxed three-mismatch run antisense_v3.sam, antisense_v3_stats.txt). Gene records: NCBI gene-information records documenting the assembly, coordinates, and exon structure of CsREM16 and lncREM16 (rem16_gene_info.txt, lnc_gene_info.txt). Software versions and parameters are documented in the associated manuscript. The preprint / published article DOI will be added to this record under related identifiers upon availability.本数据集包含输入序列与完整的生物信息学输出文件，用于支撑关联论文中报道的大麻（Cannabis sativa）单性花1号（Monoecy1）性别决定位点的相关分析。所有分析均基于大麻品种‘Pink Pepper’的基因组组装版本GCA_029168945.1（ASM2916894v1）的X染色体（RefSeq收录号NC_083610.1）完成，计算平台使用瑞典皇家理工学院（KTH Royal Institute of Technology）斯德哥尔摩PDC高性能计算中心的Dardel高性能计算系统。 本数据集收录的文件用于支撑四项证据链，以解析长链非编码RNA lncREM16（long non-coding RNA lncREM16，LOC133032448；转录本XR_009685085.1）在Monoecy1位点内沉默B3结构域转录因子基因CsREM16（LOC115699937；转录本XM_030627485.2与XM_030627490.2）的分子机制。 数据集内容如下： 1. 输入序列（FASTA格式）：包含80 kb的Monoecy1基因组位点序列（Monoecy1_locus.fa；NC_083610.1:81,080,000-81,160,000）、两种CsREM16 mRNA异构体（CsREM16_X1.fa、CsREM16_X2.fa、CsREM16_both.fa）、lncREM16转录本序列（lncREM16.fa），以及从lncREM16转录本与基因组位点中提取的73 bp共有区域（shared_73bp.fa、shared_genomic.fa、both_shared.fa）。 2. 转座元件注释（使用RepeatMasker v4.1.5、RMBLAST v2.14.0+、Dfam 3.7数据库，针对绿色植物界）：包含80 kb位点（Monoecy1_locus.fa.out、.tbl、.cat、.masked、.out.gff）与lncREM16转录本（lncREM16.fa.out、.tbl、.cat、.masked、.out.gff、.out.html）的注释表格、统计汇总、屏蔽序列、分类文件与GFF格式输出文件。上述文件揭示该位点的转座元件占比为33%，lncREM16转录本的转座元件占比为37%，并在CsREM16外显子3/内含子2边界处鉴定到未分类元件DR2330744。 3. 序列互补性测试（使用NCBI blastn）：包括lncREM16针对CsREM16 mRNA的反义BLAST比对（lnc_vs_REM16_antisense.txt）、针对基因组位点的反义BLAST比对（lnc_vs_genomic_antisense.txt）、对应正义链方向的比对验证（lnc_vs_genomic_sense.txt）、用于检测反向重复/发夹结构的lncREM16自身BLAST比对（lnc_selfblast.txt）、73 bp共有区域的比对结果（shared_vs_lnc.txt、shared_vs_rem16.txt），以及73 bp查询序列针对NCBI nt数据库的BLAST比对结果（blast_results.xml、blast_rid.txt）。所有反义互补性测试均未返回匹配结果。 4. 小RNA比对（使用Bowtie v1）：包含从NCBI SRA运行号SRR25938888中获取的经大小筛选（18-30 nt）的小RNA reads（gerola_18_30.fastq.gz），以及这些reads针对CsREM16 mRNA与基因组位点的反义、正义方向比对输出文件（antisense_CsREM16.sam、sense_CsREM16.sam、antisense_monoecy1.sam、sense_monoecy1.sam），附带对应的比对统计文件（antisense_stats.txt、sense_stats.txt、antisense_monoecy1_stats.txt、sense_monoecy1_stats.txt、overall_mapping_stats.txt），以及允许3个错配的宽松比对运行结果（antisense_v3.sam、antisense_v3_stats.txt）。 5. 基因记录：包含记录CsREM16与lncREM16的组装信息、坐标位置与外显子结构的NCBI基因信息文件（rem16_gene_info.txt、lnc_gene_info.txt）。 软件版本与参数已在关联论文中说明。预印本/正式发表文章的DOI在可获取后将添加至本数据集的关联标识符中。