MétaCan
Menu
Retour à la cohorte
Enregistrement W2589945527 · doi:10.1093/nar/gkx135

N1-methyl-pseudouridine in mRNA enhances translation through eIF2α-dependent and independent mechanisms by increasing ribosome density

2017· article· en· W2589945527 sur OpenAlexaff
Yuri V. Svitkin, Yi Cheng, Tirtha Chakraborty, Vladimir Presnyak, Matthias John, Nahum Sonenberg

Notice bibliographique

RevueNucleic Acids Research · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA modifications and cancer
Établissements canadiensMcGill UniversityOccupational Cancer Research Centre
Organismes subventionnairesnon disponible
Mots-clésPseudouridineTranslation (biology)BiologyRibosomeMessenger RNAProtein biosynthesisInternal ribosome entry siteRNATransfer RNARibosomal binding siteCell biologyMolecular biologyBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

Certain chemical modifications confer increased stability and low immunogenicity to in vitro transcribed mRNAs, thereby facilitating expression of therapeutically important proteins. Here, we demonstrate that N1-methyl-pseudouridine (N1mΨ) outperforms several other nucleoside modifications and their combinations in terms of translation capacity. Through extensive analysis of various modified transcripts in cell-free translation systems, we deconvolute the different components of the effect on protein expression independent of mRNA stability mechanisms. We show that in addition to turning off the immune/eIF2α phosphorylation-dependent inhibition of translation, the incorporated N1mΨ nucleotides dramatically alter the dynamics of the translation process by increasing ribosome pausing and density on the mRNA. Our results indicate that the increased ribosome loading of modified mRNAs renders them more permissive for initiation by favoring either ribosome recycling on the same mRNA or de novo ribosome recruitment.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,050
Tête enseignante GPT0,355
Écart entre enseignants0,305 · 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

Citations271
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNucleic Acids ResearchMême sujetRNA modifications and cancerTravaux en français237 207