MétaCan
Menu
Retour à la cohorte
Enregistrement W2152445171 · doi:10.1158/1535-7163.1193.3.10

Targeting heterogeneous nuclear ribonucleoparticule A1 and A2 proteins by RNA interference promotes cell death in transformed but not in normal mouse cell lines

2004· article· en· W2152445171 sur OpenAlexaff
Caroline Patry, Bruno Lemieux, Raymund J. Wellinger, Benoı̂t Chabot

Notice bibliographique

RevueMolecular Cancer Therapeutics · 2004
Typearticle
Langueen
DomaineMedicine
ThématiqueTelomeres, Telomerase, and Senescence
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésGene knockdownRNA interferenceBiologyHeLaTelomereTelomeraseMolecular biologyCell biologyCell cultureSmall interfering RNARNAComplementary DNANuclear proteinCellTransfectionGeneGeneticsTranscription factor

Résumé

récupéré en direct d'OpenAlex

The heterogeneous nuclear ribonucleoparticule A1 and A2 proteins can bind to vertebrate single-stranded telomeric sequences. Moreover, changes in the levels of heterogeneous nuclear ribonucleoparticule A1 can influence telomere length in mouse and human cells. We have shown previously that the combined knockdown of A1 and A2 proteins in human transformed cells promotes apoptosis. In contrast, a similar reduction in A1 and A2 expression in normal mortal human cell lines does not induce cell death. Here, we show that a variety of mouse cell lines display a similar behavior on reduction of A1 and A2 protein levels using small interfering RNA. In addition, the expression of the mouse A1 cDNA protects human HeLa cells from apoptosis when human A1 and A2 proteins are targeted by RNA interference. Lastly, we show that knockdown of A1 and A2 expression also impairs the growth of a human transformed cell line that does not express telomerase. These results firmly establish A1 and A2 as proteins required for the viability of transformed murine and human cells, irrespective of the status of telomerase expression or the length of the double-stranded telomeric repeat.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,003
Score d'incertitude au seuil1,000

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 Opus0,018
Tête enseignante GPT0,251
Écart entre enseignants0,233 · 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.

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

Citations18
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Cancer TherapeuticsMême sujetTelomeres, Telomerase, and SenescenceTravaux en français237 207