RNA Metabolism in Neurodegenerative Disease
Notice bibliographique
Résumé
RNA metabolism is a vital process through which RNA is produced, transported, regulated, stored, and translated or degraded. Recently, the discoveries of mutations in key RNA binding proteins involved in several human neuronal based diseases have firmly placed the process of RNA metabolism as central to disease etiology. This review first recaps the process of RNA metabolism in the mammalian neuron and describes the roles of RNA granules in this process. Using the recently described alterations in TAR DNA binding protein (TDP-43) and fused in sarcoma/translocated in liposarcoma (FUS/TLS) in amyotrophic lateral sclerosis (ALS) and frontal temporal lobar degeneration (FTLD), we discuss how RNA binding protein abnormalities can affect RNA metabolism. We then discuss two additional RNA based mechanisms distinct from alterations in RNA binding protein function that impact RNA metabolism and result in disease. Cumulatively, these observations provide strong support for the hypothesis that alterations in RNA metabolism can lead to neurodegenerative disease, including ALS. Keywords: ALS, miRNA, FUS/TLS, TDP-43, myotonic dystrophy, spinal muscular atrophy, RNA metabolism, stress granule, transport granule, Neurodegenerative Disease, frontal temporal lobar degeneration, neuronal intermediate filament inclusion diseas, fragile X tremor ataxia syndrome, spinocerebellar ataxia type 8, oculopharyngeal muscular dystrophy
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».