MétaCan
Menu
Retour à la cohorte
Enregistrement W2462361007 · doi:10.1002/wrna.1369

The organization and regulation of <scp>mRNA</scp>–protein complexes

2016· review· en· W2462361007 sur OpenAlexaff
Olivia S. Rissland

Notice bibliographique

RevueWiley Interdisciplinary Reviews - RNA · 2016
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Research and Splicing
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMessenger RNATranslation (biology)Messenger RNPBiologyRNARNA-binding proteinCell biologyGene expressionCytoplasmTranslational regulationRegulation of gene expressionGeneComputational biologyGenetics

Résumé

récupéré en direct d'OpenAlex

In a eukaryotic cell, each messenger RNA (mRNA) is bound to a variety of proteins to form an mRNA-protein complex (mRNP). Together, these proteins impact nearly every step in the life cycle of an mRNA and are critical for the proper control of gene expression. In the cytoplasm, for instance, mRNPs affect mRNA translatability and stability and provide regulation of specific transcripts as well as global, transcriptome-wide control. mRNPs are complex, diverse, and dynamic, and so they have been a challenge to understand. But the advent of high-throughput sequencing technology has heralded a new era in the study of mRNPs. Here, I will discuss general principles of cytoplasmic mRNP organization and regulation. Using microRNA-mediated repression as a case study, I will focus on common themes in mRNPs and highlight the interplay between mRNP composition and posttranscriptional regulation. mRNPs are an important control point in regulating gene expression, and while the study of these fascinating complexes presents remaining challenges, recent advances provide a critical lens for deciphering gene regulation. WIREs RNA 2017, 8:e1369. doi: 10.1002/wrna.1369 For further resources related to this article, please visit the WIREs website.

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 enseignants0,002
Score d'incertitude au seuil0,009

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 recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,029
Tête enseignante GPT0,335
Écart entre enseignants0,306 · 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

Citations78
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWiley Interdisciplinary Reviews - RNAMême sujetRNA Research and SplicingTravaux en français237 207