Sequence‐Dependent Structural Dynamics of Primate Adenosine‐to‐Inosine Editing Substrates
Notice bibliographique
Résumé
Humans have the highest level of adenosine-to-inosine (A-to-I) editing amongst primates, yet the reasons for this difference remain unclear. Sequence analysis of the Alu Sg elements (A-to-I RNA substrates) corresponding to the Nup50 gene in human, chimp, and rhesus reveals subtle sequence variations surrounding the edit sites. We have developed three constructs that represent human (HuAp5), chimp (ChAp5), and rhesus (RhAp5) Nup50 Alu Sg A-to-I editing substrates. Here, 2-aminopurine (2-Ap) was substituted for edited adenosine (A5) so as to monitor the fluorescence intensity with respect to temperature. UV and steady-state fluorescence (SSF) T(M) plots indicate that local and global unfolding are coincident, with the human construct displaying a T(M) of approximately 70°C, compared to 60°C for chimp and 54°C for rhesus. However, time-resolved fluorescence (TRF) resolves three different fluorescence lifetimes that we assign to folded, intermediate(s), and unfolded states. The TRF data fit well to a two-intermediate model, whereby both intermediates (M, J) are in equilibrium with each other, and the folded/unfolded states. Our model suggests that, at 37°C, human state J and the folded state will be the most heavily populated in comparison to the other primate constructs. In order for adenosine deaminase acting on RNA (ADAR) to efficiently dock, a stable duplex must be present that corresponds to the human construct, globally. Next, the enzyme must "flip out" the base of interest to facilitate the A-to-I conversion; a nucleotide in an intermediate-like position would enhance this conformational change. Our experiments demonstrate that subtle variations in RNA sequence might contribute to the high A-to-I editing levels found in humans.
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 ».