Differential modulation of cell cycle progression distinguishes members of the myogenic regulatory factor family of transcription factors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The muscle-specific basic helix-loop-helix proteins MyoD, Myf5, myogenin (Myog) and MRF4 constitute the myogenic regulatory factor (MRF) family of transcription factors that drive muscle gene expression during myogenesis. Having evolved from a single ancestral gene, the spatial and temporal specificity of expression for each family member has been used to define a hierarchical relationship between the four MRFs. Molecular characterization of two of the MRFs (MyoD and Myog) suggests an important distinction between these factors, whereby MyoD establishes an open chromatin structure at muscle-specific genes, whereas Myog drives high levels of transcription of genes within this open chromatin state. Furthermore, recent data have provided an additional distinction between MRF function with respect to cell cycle regulation. Indeed, MyoD has been shown to directly activate genes involved in cell cycle progression, leading to myoblast proliferation. In contrast, Myog has antiproliferative activity through the activation of genes that shut down the cell proliferation machinery, leading to cell cycle exit and myoblast differentiation. Although the transcriptional activities of MyoD and Myog synergize to drive muscle differentiation, it is the expression of Myog that sets in motion a gene expression program that constitutes a 'point of no return', leading to cell cycle exit. In this review, we compare and contrast the current literature with respect to MRF function, with a particular emphasis on the differential role of MRFs in modulating the cell cycle.
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.
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) | 0,001 | 0,001 |
| 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 découle