MétaCan
Menu
Retour à la cohorte
Enregistrement W1992336935 · doi:10.1074/jbc.m703988200

Identification of Human Kinases Involved in Hepatitis C Virus Replication by Small Interference RNA Library Screening

2007· article· en· W1992336935 sur OpenAlexaff
Ľubica Supeková, František Supek, Jong‐Kook Lee, Shawn Chen, Nathanael S. Gray, John Paul Pezacki, Achim Schlapbach, Peter G. Schultz

Notice bibliographique

RevueJournal of Biological Chemistry · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueHepatitis C virus research
Établissements canadiensSteacie Institute for Molecular Sciences
Organismes subventionnairesnon disponible
Mots-clésKinaseVirologyIdentification (biology)RNA interferenceReplication (statistics)BiologyHepatitis C virusRNAInterference (communication)Computational biologyViral replicationCell biologyVirusGeneticsGeneComputer scienceComputer network

Résumé

récupéré en direct d'OpenAlex

The propagation of the hepatitis C virus (HCV) is a complex process that requires both host and viral proteins. To facilitate identification of host cell factors that are required for HCV replication, we screened a panel of small interference RNAs that preferentially target human protein kinases using an HCV replicon expressing the firefly luciferase gene as a genetic reporter. Small interference RNAs specific for three human kinases, Csk, Jak1, and Vrk1, were identified that reproducibly reduce viral RNA and viral protein levels in HCV replicon-bearing cells. Treatment of replicon cells with a small molecule inhibitor of Csk also resulted in a significant reduction in HCV RNA and proteins, further supporting a role for Csk in HCV replication. The effects of siRNAs targeting eight kinases known to be negatively regulated by Csk were then examined; knock down of one of these kinases, Fyn, resulted in up-regulation of the HCV replicon, suggesting that Csk mediates its effect on HCV replication through Fyn. This conclusion was further corroborated by demonstration that replicon cells treated with Csk inhibitor contained lower levels of the phosphorylated form of Fyn than control cells.

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)0,001
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 enseignants0,119
Score d'incertitude au seuil0,328

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,080
Tête enseignante GPT0,343
Écart entre enseignants0,263 · 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

Citations104
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biological ChemistryMême sujetHepatitis C virus researchTravaux en français237 207