MétaCan
Menu
Retour à la cohorte
Enregistrement W2339092147 · doi:10.1146/annurev-virology-100114-055014

A Cap-to-Tail Guide to mRNA Translation Strategies in Virus-Infected Cells

2016· review· en· W2339092147 sur OpenAlexafffund
Eric Jan, Ian Mohr, Derek Walsh

Notice bibliographique

RevueAnnual Review of Virology · 2016
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueVirus-based gene therapy research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Institute of General Medical SciencesNational Institute of Allergy and Infectious DiseasesCanadian Institutes of Health ResearchNational Institutes of Health
Mots-clésBiologyRibosomeTranslation (biology)Messenger RNACell biologyVirusProtein biosynthesisComputational biologyRNAVirologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Although viruses require cellular functions to replicate, their absolute dependence upon the host translation machinery to produce polypeptides indispensable for their reproduction is most conspicuous. Despite their incredible diversity, the mRNAs produced by all viruses must engage cellular ribosomes. This has proven to be anything but a passive process and has revealed a remarkable array of tactics for rapidly subverting control over and dominating cellular regulatory pathways that influence translation initiation, elongation, and termination. Besides enforcing viral mRNA translation, these processes profoundly impact host cell-intrinsic immune defenses at the ready to deny foreign mRNA access to ribosomes and block protein synthesis. Finally, genome size constraints have driven the evolution of resourceful strategies for maximizing viral coding capacity. Here, we review the amazing strategies that work to regulate translation in virus-infected cells, highlighting both virus-specific tactics and the tremendous insight they provide into fundamental translational control mechanisms in health and disease.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,005

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 Opus0,026
Tête enseignante GPT0,388
Écart entre enseignants0,362 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations151
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnual Review of VirologyMême sujetVirus-based gene therapy researchTravaux en français237 207