MétaCan
Menu
Retour à la cohorte
Enregistrement W2412785424 · doi:10.1093/nar/gkw507

The catalytic efficiency of yeast ribonuclease III depends on substrate specific product release rate

2016· article· en· W2412785424 sur OpenAlexafffund
Marc‐André Comeau, Daniel A. Lafontaine, Sherif Abou Elela

Notice bibliographique

RevueNucleic Acids Research · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Research and Splicing
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésRNase PRNABiologyRibonucleaseRNase MRPRNase HCleavage (geology)Ribonuclease IIIRNA silencingMessenger RNAMolecular biologyBiochemistryGeneRNA interference

Résumé

récupéré en direct d'OpenAlex

Members of the ribonuclease III (RNase III) family regulate gene expression by triggering the degradation of double stranded RNA (dsRNA). Hundreds of RNase III cleavage targets have been identified and their impact on RNA maturation and stability is now established. However, the mechanism defining substrates' reactivity remains unclear. In this study, we developed a real-time FRET assay for the detection of dsRNA degradation by yeast RNase III (Rnt1p) and characterized the kinetic bottlenecks controlling the reactivity of different substrates. Surprisingly, the results indicate that Rnt1p cleavage reaction is not only limited by the rate of catalysis but can also depend on base-pairing of product termini. Cleavage products terminating with paired nucleotides, like the degradation signals found in coding mRNA sequence, were less reactive and more prone to inhibition than products having unpaired nucleotides found in non-coding RNA substrates. Mutational analysis of U5 snRNA and Mig2 mRNA confirms the pairing of the cleavage site as a major determinant for the difference between cleavage rates of coding and non-coding RNA. Together the data indicate that the base-pairing of Rnt1p substrates encodes reactivity determinants that permit both constitutive processing of non-coding RNA while limiting the rate of mRNA degradation.

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)0,002
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 seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,030
Tête enseignante GPT0,310
Écart entre enseignants0,280 · 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

Citations6
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNucleic Acids ResearchMême sujetRNA Research and SplicingTravaux en français237 207