MétaCan
Menu
Retour à la cohorte
Enregistrement W2171622061 · doi:10.1242/bio.20147021

Aggresome formation is regulated by RanBPM through an interaction with HDAC6

2014· article· en· W2171622061 sur OpenAlexafffund
Louisa M. Salemi, Ahmad W. Almawi, Karen J. Lefebvre, Caroline Schild‐Poulter

Notice bibliographique

RevueBiology Open · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueUbiquitin and proteasome pathways
Établissements canadiensWestern University
Organismes subventionnairesRobarts Research InstituteCanadian Institutes of Health Research
Mots-clésAggresomeHDAC6MG132Cell biologyBiologyHistone deacetylaseUbiquitinCancer researchMicrotubuleProteasomeProteasome inhibitorHistoneDNAGenetics

Résumé

récupéré en direct d'OpenAlex

In conditions of proteasomal impairment, the build-up of damaged or misfolded proteins activates a cellular response leading to the recruitment of damaged proteins into perinuclear aggregates called aggresomes. Aggresome formation involves the retrograde transport of cargo proteins along the microtubule network and is dependent on the histone deacetylase HDAC6. Here we show that ionizing radiation (IR) promotes Ran-Binding Protein M (RanBPM) relocalization into discrete perinuclear foci where it co-localizes with aggresome components ubiquitin, dynein and HDAC6, suggesting that the RanBPM perinuclear clusters correspond to aggresomes. RanBPM was also recruited to aggresomes following treatment with the proteasome inhibitor MG132 and the DNA-damaging agent etoposide. Strikingly, aggresome formation by HDAC6 was markedly impaired in RanBPM shRNA cells, but was restored by re-expression of RanBPM. RanBPM was found to interact with HDAC6 and to inhibit its deacetylase activity. This interaction was abrogated by a RanBPM deletion of its LisH/CTLH domain, which also prevented aggresome formation, suggesting that RanBPM promotes aggresome formation through an association with HDAC6. Our results suggest that RanBPM regulates HDAC6 activity and is a central regulator of aggresome formation.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,001

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 Opus0,023
Tête enseignante GPT0,300
Écart entre enseignants0,277 · 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 source (Gemma direct ou Codex distillé), 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

Citations37
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiology OpenMême sujetUbiquitin and proteasome pathwaysTravaux en français237 207