Combined zebrafish-yeast chemical-genetic screens reveal gene–copper-nutrition interactions that modulate melanocyte pigmentation
Notice bibliographique
Résumé
Hypopigmentation is a feature of copper deficiency in humans, as caused by mutation of the copper (Cu(2+)) transporter ATP7A in Menkes disease, or an inability to absorb copper after gastric surgery. However, many causes of copper deficiency are unknown, and genetic polymorphisms might underlie sensitivity to suboptimal environmental copper conditions. Here, we combined phenotypic screens in zebrafish for compounds that affect copper metabolism with yeast chemical-genetic profiles to identify pathways that are sensitive to copper depletion. Yeast chemical-genetic interactions revealed that defects in intracellular trafficking pathways cause sensitivity to low-copper conditions; partial knockdown of the analogous Ap3s1 and Ap1s1 trafficking components in zebrafish sensitized developing melanocytes to hypopigmentation in low-copper environmental conditions. Because trafficking pathways are essential for copper loading into cuproproteins, our results suggest that hypomorphic alleles of trafficking components might underlie sensitivity to reduced-copper nutrient conditions. In addition, we used zebrafish-yeast screening to identify a novel target pathway in copper metabolism for the small-molecule MEK kinase inhibitor U0126. The zebrafish-yeast screening method combines the power of zebrafish as a disease model with facile genome-scale identification of chemical-genetic interactions in yeast to enable the discovery and dissection of complex multigenic interactions in disease-gene networks.
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 | 0,001 |
| 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 ».