Autoimmune targeting of key components of RNA interference
Notice bibliographique
Résumé
RNA interference (RNAi) is an evolutionarily conserved mechanism that is involved in the post-transcriptional silencing of genes. This process elicits the degradation or translational inhibition of mRNAs based on the complementarity with short interfering RNAs (siRNAs) or microRNAs (miRNAs). Recently, differential expression of specific miRNAs and disruption of the miRNA synthetic pathway have been implicated in cancer; however, their role in autoimmune disease remains largely unknown. Here, we report that anti-Su autoantibodies from human patients with rheumatic diseases and in a mouse model of autoimmunity recognize the human Argonaute (Ago) protein, hAgo2, the catalytic core enzyme in the RNAi pathway. More specifically, 91% (20/22) of the human anti-Su sera were shown to immunoprecipitate the full-length recombinant hAgo2 protein. Indirect immunofluorescence studies in HEp-2 cells demonstrated that anti-Su autoantibodies target cytoplasmic foci identified as GW bodies (GWBs) or mammalian P bodies, structures recently linked to RNAi function. Furthermore, anti-Su sera were also capable of immunoprecipitating additional key components of the RNAi pathway, including hAgo1, -3, -4, and Dicer. Together, these results demonstrate an autoimmune response to components of the RNAi pathway which could potentially implicate the involvement of an innate anti-viral response in the pathogenesis of autoantibody production.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».