Synthetic antibodies as tools to probe RNA-binding protein function
Notice bibliographique
Résumé
RNA-binding proteins (RBPs) have essential roles in post-transcriptional regulation of gene expression. They bind sequence elements in specific mRNAs and control their splicing, transport, localization, translation, and stability. A complete understanding of RBP function requires identification of the target RNAs that an RBP regulates, the mechanisms by which the RBP regulates these targets, and the biological consequences for the cell in which these transactions occur. Antibodies are key tools in such studies: first, mRNA targets of RBPs can be identified by co-immunoprecipitation of RBPs with their associated RNAs followed by microarray analysis or sequencing; second, partner proteins can be identified by immunoprecipitation of the RBP followed by mass spectrometry; third, the mechanisms and functions of RBPs can be inferred from loss-of-function studies employing antibodies that block RBP-RNA interactions. One potentially powerful approach to making antibodies for such studies is the generation of synthetic antibodies using phage display, which involves in vitro selection using a human-designed antibody library to generate antibodies that recognize a target protein. Using two well-characterized Drosophila RNA-binding proteins, Staufen and Smaug, for proof-of-principle, we demonstrate that synthetic antibodies can be generated and used either to perform RNA-coimmunoprecipitations (RIPs) to identify RBP-bound mRNAs, or to block RBP-RNA interactions. Given that synthetic antibody selection protocols are amenable to high-throughput antibody production, these results demonstrate that synthetic antibodies can be powerful tools for genome-wide studies of RBP function.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».