Variable DNA methylation of transposable elements: The case study of mouse Early Transposons
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
Phenotypic variation stems from both genetic and epigenetic differences between individuals. In order to elucidate how phenotypes are determined, it is necessary to understand the forces that generate variation in genome sequence as well as its epigenetic state. In both contexts, transposable elements (TEs) may play an important role. It is well established that TE activity is a major generator of genetic variation, but recent research also suggests that TEs contribute to epigenetic variation. Stochastic epigenetic silencing of some TE insertions in mice has been shown to cause phenotypic variability between individuals. However, the prevalence of this phenomenon has never been evaluated. Here, we use 18 insertions of a mouse Endogenous Retrovirus (ERV) family, the Early Transposons (ETns), to detect insertion-dependent determinants of DNA methylation levels and variability between both cells and individuals. We show that the structure and age of insertions influence methylation levels and variability, resulting in a subgroup of loci that displays unexpectedly high variability in methylation and suggesting stochastic events during methylation establishment. Despite variation in methylation according to the age and structure of each locus, homologous CpG sites show similar tendencies in methylation levels across loci, emphasizing the role of the insertion's sequence in methylation determination. Our results show that differences in methylation of ETns between individuals is not a sporadic phenomenon and support the hypothesis that ERVs contribute to phenotypic variability through their stochastic silencing.
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) | 0,000 | 0,000 |
| 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