MétaCan
Menu
Retour à la cohorte
Enregistrement W2341310287 · doi:10.1139/bcb-2016-0017

The nucleosome: orchestrating DNA damage signaling and repair within chromatin

2016· review· en· W2341310287 sur OpenAlexvenueno aff
P. K. Agarwal, Kyle M. Miller

Notice bibliographique

RevueBiochemistry and Cell Biology · 2016
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueDNA Repair Mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChromatinNucleosomeCell biologyBiologyHistoneEpigenomeChromatin remodelingDNA damageChIA-PETHistone-modifying enzymesHistone codeDNA repairGeneticsDNADNA methylationGeneGene expression

Résumé

récupéré en direct d'OpenAlex

DNA damage occurs within the chromatin environment, which ultimately participates in regulating DNA damage response (DDR) pathways and repair of the lesion. DNA damage activates a cascade of signaling events that extensively modulates chromatin structure and organization to coordinate DDR factor recruitment to the break and repair, whilst also promoting the maintenance of normal chromatin functions within the damaged region. For example, DDR pathways must avoid conflicts between other DNA-based processes that function within the context of chromatin, including transcription and replication. The molecular mechanisms governing the recognition, target specificity, and recruitment of DDR factors and enzymes to the fundamental repeating unit of chromatin, i.e., the nucleosome, are poorly understood. Here we present our current view of how chromatin recognition by DDR factors is achieved at the level of the nucleosome. Emerging evidence suggests that the nucleosome surface, including the nucleosome acidic patch, promotes the binding and activity of several DNA damage factors on chromatin. Thus, in addition to interactions with damaged DNA and histone modifications, nucleosome recognition by DDR factors plays a key role in orchestrating the requisite chromatin response to maintain both genome and epigenome integrity.

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)0,001
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,693
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,014
Tête enseignante GPT0,263
Écart entre enseignants0,249 · 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
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

Citations27
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiochemistry and Cell BiologyMême sujetDNA Repair MechanismsTravaux en français237 207