MétaCan
Menu
Retour à la cohorte
Enregistrement W2109152256 · doi:10.1371/journal.pone.0113908

HIV-1 Infection Causes a Down-Regulation of Genes Involved in Ribosome Biogenesis

2014· article· en· W2109152256 sur OpenAlexafffund
Claudia L. Kleinman, Margherita Doria, Elisa Orecchini, Erica Giuliani, Silvia Galardi, Nicolas Jay, Alessandro Michienzi

Notice bibliographique

RevuePLoS ONE · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA modifications and cancer
Établissements canadiensJewish General HospitalMcGill University
Organismes subventionnairesMcGill University
Mots-clésRibosome biogenesisJurkat cellsBiologyNucleolusTranscriptomeRibosomal RNAGeneRibosomeCell biologyViral replicationRNAGene expressionPolyadenylationVirologyGeneticsVirusT cell

Résumé

récupéré en direct d'OpenAlex

HIV-1 preferentially infects CD4+ T cells, causing fundamental changes that eventually lead to the release of new viral particles and cell death. To investigate in detail alterations in the transcriptome of the CD4+ T cells upon viral infection, we sequenced polyadenylated RNA isolated from Jurkat cells infected or not with HIV-1. We found a marked global alteration of gene expression following infection, with an overall trend toward induction of genes, indicating widespread modification of the host biology. Annotation and pathway analysis of the most deregulated genes showed that viral infection produces a down-regulation of genes associated with the nucleolus, in particular those implicated in regulating the different steps of ribosome biogenesis, such as ribosomal RNA (rRNA) transcription, pre-rRNA processing, and ribosome maturation. The impact of HIV-1 infection on genes involved in ribosome biogenesis was further validated in primary CD4+ T cells. Moreover, we provided evidence by Northern Blot experiments, that host pre-rRNA processing in Jurkat cells might be perturbed during HIV-1 infection, thus strengthening the hypothesis of a crosstalk between nucleolar functions and viral pathogenesis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,267

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,231
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetRNA modifications and cancerTravaux en français237 207