MétaCan
Menu
Retour à la cohorte
Enregistrement W1525186018 · doi:10.1080/15476286.2015.1017231

Translation attenuation via 3′ terminal codon usage in bovine<i>csn1s2</i>is responsible for the difference in α<sub>s2</sub>- and β-casein profile in milk

2015· article· en· W1525186018 sur OpenAlexafffund
Julie J Kim, Jaeju Yu, Jnanankur Bag, Marica Bakovic, J.P. Cant

Notice bibliographique

RevueRNA Biology · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA and protein synthesis mechanisms
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBiologyCoding regionMolecular biologyTranslational efficiencyMessenger RNACaseinGeneTranslation (biology)GeneticsBiochemistry

Résumé

récupéré en direct d'OpenAlex

The rate of secretion of αs2-casein into bovine milk is approximately 25% of that of β-casein, yet mammary expression of their respective mRNA transcripts (csn1s2 and csn2) is not different. Our objective was to identify molecular mechanisms that explain the difference in translation efficiency between csn1s2 and csn2. Cell-free translational efficiency of csn2 was 5 times that of csn1s2. Transcripts of csn1s2 distributed into heavier polysomes than csn2 transcripts, indicating an attenuation of elongation and/or termination. Stimulatory and inhibitory effects of the 5' and 3' UTRs on translational efficiency were different with luciferase and casein sequences in the coding regions. Substituting the 5' and 3' UTRs from csn2 into csn1s2 did not improve csn1s2 translation, implicating the coding region itself in the translation difference. Deletion of a 28-codon fragment from the 3' terminus of the csn1s2 coding region, which displays codons with low correlations to cell fitness, increased translation to a par with csn2. We conclude that the usage of the last 28 codons of csn1s2 is the main regulatory element that attenuates its expression and is responsible for the differential translational expression of csn1s2 and csn2.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,436

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,035
Tête enseignante GPT0,278
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRNA BiologyMême sujetRNA and protein synthesis mechanismsTravaux en français237 207