Defective structural RNA processing in relapsing-remitting multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND: Surveillance of integrity of the basic elements of the cell including DNA, RNA, and proteins is a critical element of cellular physiology. Mechanisms of surveillance of DNA and protein integrity are well understood. Surveillance of structural RNAs making up the vast majority of RNA in a cell is less well understood. Here, we sought to explore integrity of processing of structural RNAs in relapsing remitting multiple sclerosis (RRMS) and other inflammatory diseases. RESULTS: We employed mononuclear cells obtained from subjects with RRMS and cell lines. We used quantitative-PCR and whole genome RNA sequencing to define defects in structural RNA surveillance and siRNAs to deplete target proteins. We report profound defects in surveillance of structural RNAs in RRMS exemplified by elevated levels of poly(A) + Y1-RNA, poly(A) + 18S rRNA and 28S rRNAs, elevated levels of misprocessed 18S and 28S rRNAs and levels of the U-class of small nuclear RNAs. Multiple sclerosis is also associated with genome-wide defects in mRNA splicing. Ro60 and La proteins, which exist in ribonucleoprotein particles and play different roles in quality control of structural RNAs, are also deficient in RRMS. In cell lines, silencing of the genes encoding Ro60 and La proteins gives rise to these same defects in surveillance of structural RNAs. CONCLUSIONS: Our results establish that profound defects in structural RNA surveillance exist in RRMS and establish a causal link between Ro60 and La proteins and integrity of structural RNAs.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».