Translational control mechanisms in metabolic regulation: critical role of RNA binding proteins, microRNAs, and cytoplasmic RNA granules
Notice bibliographique
Résumé
Regulated cell metabolism involves acute and chronic regulation of gene expression by various nutritional and endocrine stimuli. To respond effectively to endogenous and exogenous signals, cells require rapid response mechanisms to modulate transcript expression and protein synthesis and cannot, in most cases, rely on control of transcriptional initiation that requires hours to take effect. Thus, co- and posttranslational mechanisms have been increasingly recognized as key modulators of metabolic function. This review highlights the critical role of mRNA translational control in modulation of global protein synthesis as well as specific protein factors that regulate metabolic function. First, the complex lifecycle of eukaryotic mRNAs will be reviewed, including our current understanding of translational control mechanisms, regulation by RNA binding proteins and microRNAs, and the role of RNA granules, including processing bodies and stress granules. Second, the current evidence linking regulation of mRNA translation with normal physiological and metabolic pathways and the associated disease states are reviewed. A growing body of evidence supports a key role of translational control in metabolic regulation and implicates translational mechanisms in the pathogenesis of metabolic disorders such as type 2 diabetes. The review also highlights translational control of apolipoprotein B (apoB) mRNA by insulin as a clear example of endocrine modulation of mRNA translation to bring about changes in specific metabolic pathways. Recent findings made on the role of 5'-untranslated regions (5'-UTR), 3'-UTR, RNA binding proteins, and RNA granules in mediating insulin regulation of apoB mRNA translation, apoB protein synthesis, and hepatic lipoprotein production are discussed.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».