Through a Glass, Darkly: Reflections of Mutation From <i>lacI</i> Transgenic Mice
Notice bibliographique
Résumé
The study of mutational frequency (Mf) and specificity in aging Big Blue lacI transgenic mice provides a unique opportunity to determine mutation rates (MR) in vivo in different tissues. We found that MR are not static, but rather, vary with the age or developmental stage of the tissue. Although Mf increase more rapidly early in life, MR are actually lower in younger animals than in older animals. For example, we estimate that the changes in Mf are 4.9x10(-8) and 1.1 x 10(-8) mutations/base pair/month in the livers of younger mice (<1. 5 months old) and older mice (> or =1.5 months old), respectively (a 4-fold decrease), and that the MR are 3.9 x 10(-9) and 1.3 x 10(-7) mutations/base pair/cell division, respectively ( approximately 30-fold increase). These data also permit an estimate of the MR of GC --> AT transitions occurring at 5'-CpG-3' (CpG) dinucleotide sequences. Subsequently, the contribution of these transitions to age-related demethylation of genomic DNA can be evaluated. Finally, to better understand the origin of observed Mf, we consider the contribution of various factors, including DNA damage and repair, by constructing a descriptive mutational model. We then apply this model to estimate the efficiency of repair of deaminated 5-methylcytosine nucleosides occurring at CpG dinucleotide sequences, as well as the influence of the Msh2(-/-) DNA repair defect on overall DNA repair efficiency in Big Blue mice. We conclude that even slight changes in DNA repair efficiency could lead to significant increases in mutation frequencies, potentially contributing significantly to human pathogenesis, including cancer.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».