MétaCan
Menu
Retour à la cohorte
Enregistrement W2006111867 · doi:10.1038/srep01311

Loss of the major Type I arginine methyltransferase PRMT1 causes substrate scavenging by other PRMTs

2013· article· en· W2006111867 sur OpenAlexaff
Surbhi Dhar, Vidyasiri Vemulapalli, Alexander N. Patananan, Grace L. Huang, Alessandra Di Lorenzo, Stéphane Richard, Michael J. Comb, Ailan Guo, Steven Clarke, Mark T. Bedford

Notice bibliographique

RevueScientific Reports · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer-related gene regulation
Établissements canadiensMcGill UniversityJewish General Hospital
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institute of General Medical SciencesNational Institutes of HealthCancer Prevention and Research Institute of Texas
Mots-clésMethylationArginineMethyltransferaseAsymmetric dimethylarginineHistoneProtein arginine methyltransferase 5BiochemistryProtein methylationHistone methyltransferaseChemistryEpigeneticsBiologyCell biologyAmino acidDNAGene

Résumé

récupéré en direct d'OpenAlex

Arginine methylation is a common posttranslational modification that is found on both histone and non-histone proteins. Three types of arginine methylation exist in mammalian cells: monomethylarginine (MMA), asymmetric dimethylarginine (ADMA) and symmetric dimethylarginine (SDMA). PRMT1 is the primary methyltransferase that deposits the ADMA mark, and it accounts for over 90% of this type of methylation. Here, we show that with the loss of PRMT1 activity, there are major increases in global MMA and SDMA levels, as detected by type-specific antibodies. Amino acid analysis confirms that MMA and SDMA levels accumulate when ADMA levels are reduced. These findings reveal the dynamic interplay between different arginine methylation types in the cells, and that the pre-existence of the dominant ADMA mark can block the occurrence of SDMA and MMA marks on the same substrate. This study provides clear evidence of competition for different arginine methylation types on the same substrates.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,007
Tête enseignante GPT0,229
Écart entre enseignants0,222 · 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 source (Gemma direct ou Codex distillé), 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

Citations228
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetCancer-related gene regulationTravaux en français237 207