Identification of MEF2-regulated genes during muscle differentiation
Notice bibliographique
Résumé
Although a great deal has been elucidated concerning the mechanisms regulating muscle differentiation, little is known about transcription factor-specific gene regulation. Our understanding of the genetic mechanisms regulating cell differentiation is quite limited. Much of what has been defined centers on regulatory signaling cascades and transcription factors. Surprisingly few studies have investigated the association of genes with specific transcription factors. To address these issues, we have utilized a method coupling chromatin immunoprecipitation and CpG microarrays to characterize the genes associated with MEF2 in differentiating C(2)C(12) cells. Results demonstrated a defined binding pattern over the course of differentiation. Filtered data demonstrated 9 clones to be elevated at 0 h, 792 at 6 h, 163 by 1 day, and 316 at 3 days. Using unbiased selection parameters, we selected a subset of 291 prospective candidates. Clones were sequenced and filtered for removal of redundancy between clones and for the presence of repetitive elements. We were able to place 50 of these on the mouse genome, and 20 were found to be located near well-annotated genes. From this list, previously undefined associations with MEF2 were discovered. Many of these genes represent proteins involved in neurogenesis, neuromuscular junctions, signaling and metabolism. The remaining clones include many full-length cDNA and represent novel gene targets. The results of this study provides for the first time, a unique look at gene regulation at the level of transcription factor binding in differentiating muscle.
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 | 0,000 | 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 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 ».