A siRNA-Based Screen for Genes Involved in Chromosome End Protection
Notice bibliographique
Résumé
Telomeres are nucleoprotein complexes which protect the ends of linear chromosomes from detection as DNA damage and provide a sequence buffer against replication-associated shortening. In mammals, telomeres consist of repetitive DNA sequence (TTAGGG) and associated proteins. The telomeric core complex is called shelterin and is comprised of the proteins TRF1, TRF2, POT1, TIN2, TPP1 and RAP1. Excessive telomere shortening or de-protection of telomeres through the loss of shelterin subunits allows the detection of telomeres as DNA damage, which can be visualized as DNA damage protein foci at chromosome ends called TIF (Telomere Dysfunction-Induced Foci). We sought to exploit the TIF phenotype as marker for telomere dysfunction to identify novel genes involved in telomere protection by siRNA-mediated knock-down of a set of 386 candidates. Here we report the establishment, specificity and feasibility of such a screen and the results of the genes tested. Only one of the candidate genes showed a unique TIF phenotype comparable to the suppression of the main shelterin components TRF2 or TRF1 and that gene was identified as a TRF1-like pseudogene. We also identified a weak TIF phenotype for SKIIP (SNW1), a splicing factor and transcriptional co-activator. However, the knock-down of SKIIP also induced a general, not telomere-specific DNA damage response, which complicates conclusions about a telomeric role. In summary, this report is a technical demonstration of the feasibility of a cell-based screen for telomere deprotection with the potential of scaling it to a high-throughput approach.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».