Transcriptional landscape of the human cell cycle
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Steady-state gene expression across the cell cycle has been studied extensively. However, transcriptional gene regulation and the dynamics of histone modification at different cell-cycle stages are largely unknown. By applying a combination of global nuclear run-on sequencing (GRO-seq), RNA sequencing (RNA-seq), and histone-modification Chip sequencing (ChIP-seq), we depicted a comprehensive transcriptional landscape at the G0/G1, G1/S, and M phases of breast cancer MCF-7 cells. Importantly, GRO-seq and RNA-seq analysis identified different cell-cycle-regulated genes, suggesting a lag between transcription and steady-state expression during the cell cycle. Interestingly, we identified genes actively transcribed at early M phase that are longer in length and have low expression and are accompanied by a global increase in active histone 3 lysine 4 methylation (H3K4me2) and histone 3 lysine 27 acetylation (H3K27ac) modifications. In addition, we identified 2,440 cell-cycle-regulated enhancer RNAs (eRNAs) that are strongly associated with differential active transcription but not with stable expression levels across the cell cycle. Motif analysis of dynamic eRNAs predicted Kruppel-like factor 4 (KLF4) as a key regulator of G1/S transition, and this identification was validated experimentally. Taken together, our combined analysis characterized the transcriptional and histone-modification profile of the human cell cycle and identified dynamic transcriptional signatures across the cell cycle.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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