Visualizing tRNA-dependent mistranslation in human cells
Notice bibliographique
Résumé
High-fidelity translation and a strictly accurate proteome were originally assumed as essential to life and cellular viability. Yet recent studies in bacteria and eukaryotic model organisms suggest that proteome-wide mistranslation can provide selective advantages and is tolerated in the cell at higher levels than previously thought (one error in 6.9 × 10−4 in yeast) with a limited impact on phenotype. Previously, we selected a tRNAPro containing a single mutation that induces mistranslation with alanine at proline codons in yeast. Yeast tolerate the mistranslation by inducing a heat-shock response and through the action of the proteasome. Here we found a homologous human tRNAPro (G3:U70) mutant that is not aminoacylated with proline, but is an efficient alanine acceptor. In live human cells, we visualized mistranslation using a green fluorescent protein reporter that fluoresces in response to mistranslation at proline codons. In agreement with measurements in yeast, quantitation based on the GFP reporter suggested a mistranslation rate of up to 2–5% in HEK 293 cells. Our findings suggest a stress-dependent phenomenon where mistranslation levels increased during nutrient starvation. Human cells did not mount a detectable heat-shock response and tolerated this level of mistranslation without apparent impact on cell viability. Because humans encode ∼600 tRNA genes and the natural population has greater tRNA sequence diversity than previously appreciated, our data also demonstrate a cell-based screen with the potential to elucidate mutations in tRNAs that may contribute to or alleviate disease.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».