Functional comparison of antisense proteins of HTLV-1 and HTLV-2 in viral pathogenesis
Notice bibliographique
Résumé
The production of antisense transcripts from the 3' long terminal repeat (LTR) in human T-lymphotropic retroviruses has now been clearly demonstrated. After the identification of the antisense strand-encoded human T-lymphotropic virus type 1 (HTLV-1) bZIP (HBZ) factor, we reported that HBZ could interact with CRE-binding protein (CREB) transcription factors and consequently turn off the important activating potential of the viral Tax protein on HTLV-1 5' LTR promoter activity. We have recently accumulated new results demonstrating that antisense transcripts also exist in HTLV-2, -3, and -4. Furthermore, our data have confirmed the existence of encoded proteins from these antisense transcripts (termed antisense proteins of HTLVs or APHs). APHs are also involved in the down-regulation of Tax-dependent viral transcription. In this review, we will focus on the different molecular mechanisms used by HBZ and APH-2 to control viral expression. While HBZ interacts with CREB through its basic zipper domain, APH-2 binds to this cellular factor through a five amino acid motif localized in its carboxyl terminus. Moreover, unlike APH-2, HBZ possesses an N-terminal activation domain that also contributes to the inhibition of the viral transcription by interacting with the KIX domain of p300/CBP. On the other hand, HBZ was found to induce T cell proliferation while APH-2 was unable to promote such proliferation. Interestingly, HTLV-2 has not been causally linked to human T cell leukemia, while HTLV-1 is responsible for the development of the adult T cell leukemia/lymphoma. We will further discuss the possible role played by antisense proteins in the establishment of pathologies induced by viral infection.
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) | 0,001 | 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 | 0,000 |
| 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 ».