Shaping the Genome with Non-Coding RNAs
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
The human genome must be tightly packaged in order to fit inside the nucleus of a cell. Genome organization is functional rather than random, which allows for the proper execution of gene expression programs and other biological processes. Recently, three-dimensional chromatin organization has emerged as an important transcriptional control mechanism. For example, enhancers were shown to regulate target genes by physically interacting with them regardless of their linear distance and even if located on different chromosomes. These chromatin contacts can be measured with the "chromosome conformation capture" (3C) technology and other 3C-related techniques. Given the recent innovation of 3C-derived approaches, it is not surprising that we still know very little about the structure of our genome at high-resolution. Even less well understood is whether there exist distinct types of chromatin contacts and importantly, what regulates them. A new form of regulation involving the expression of long non-coding RNAs (lncRNAs) was recently identified. lncRNAs are a very abundant class of non-coding RNAs that are often expressed in a tissue-specific manner. Although their different subcellular localizations point to their involvement in numerous cellular processes, it is clear that lncRNAs play an important role in regulating gene expression. How they control transcription however is mostly unknown. In this review, we provide an overview of known lncRNA transcription regulation activities. We also discuss potential mechanisms by which ncRNAs might exert three-dimensional transcriptional control and what recent studies have revealed about their role in shaping our genome.
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