Systematic yeast synthetic lethal and synthetic dosage lethal screens identify genes required for chromosome segregation
Notice bibliographique
Résumé
Accurate chromosome segregation requires the execution and coordination of many processes during mitosis, including DNA replication, sister chromatid cohesion, and attachment of chromosomes to spindle microtubules via the kinetochore complex. Additional pathways are likely involved because faithful chromosome segregation also requires proteins that are not physically associated with the chromosome. Using kinetochore mutants as a starting point, we have identified genes with roles in chromosome stability by performing genome-wide screens employing synthetic genetic array methodology. Two genetic approaches (a series of synthetic lethal and synthetic dosage lethal screens) isolated 211 nonessential deletion mutants that were unable to tolerate defects in kinetochore function. Although synthetic lethality and synthetic dosage lethality are thought to be based upon similar genetic principles, we found that the majority of interactions associated with these two screens were nonoverlapping. To functionally characterize genes isolated in our screens, a secondary screen was performed to assess defects in chromosome segregation. Genes identified in the secondary screen were enriched for genes with known roles in chromosome segregation. We also uncovered genes with diverse functions, such as RCS1, which encodes an iron transcription factor. RCS1 was one of a small group of genes identified in all three screens, and we used genetic and cell biological assays to confirm that it is required for chromosome stability. Our study shows that systematic genetic screens are a powerful means to discover roles for uncharacterized genes and genes with alternative functions in chromosome maintenance that may not be discovered by using proteomics approaches.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».