Transcription Activator-Like Effector Proteins Induce the Expression of the Frataxin Gene
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
Genes encoding transcription activator-like effector (TALE) proteins may be engineered to target specific DNA sequences. TALEs fused with a transcription activator can be used to specifically induce the expression of a gene. This could lead to completely new therapies for several diseases. We have applied this potential therapeutic approach to Friedreich ataxia (FRDA), as an example. FRDA is due to reduced expression of frataxin because of elongation of a trinucleotide (GAA) repeat in intron 1. Our aim was to develop a potential treatment for FRDA by increasing the expression of the frataxin gene. We engineered 12 TALE genes (TALE(Frat)) encoding TALE(Frat) proteins, each specifically targeting different 14-bp DNA sequences within the proximal region of the human frataxin promoter. When the genes encoding these TALE(Frat) proteins were fused with a transcription activator, that is, four VP16 peptides (i.e., VP64), the resulting TALE(Frat)-VP64 proteins induced the expression of an mCherry reporter gene fused to a mini-cytomegalovirus promoter able to be activated by the insertion of the frataxin proximal promoter upstream to the minipromoter. These TALE(Frat)-VP64 proteins also increased, by 2- to 3-fold, frataxin gene expression (detected by qRT-PCR) in the cells. We conclude that TALE(Frat) proteins targeting the frataxin promoter may be used to increase the expression of frataxin mRNA and potentially could alleviate the symptoms of Friedreich ataxia. TALE methodology opens a new field of research, which could be used to develop TALE proteins to treat other diseases by inducing the expression of specific genes.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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