A Timer for analyzing temporally dynamic changes in transcription during differentiation in vivo
Notice bibliographique
Résumé
Abstract Understanding the mechanisms of cellular differentiation is challenging because differentiation is initiated by signaling pathways that drive temporally dynamic processes, which are difficult to analyse in vivo. We establish a new Tool, Timer-of-cell-kinetics-and-activity (Tocky [toki], time in Japanese). Tocky uses the Fluorescent Timer protein, which spontaneously shifts its emission spectrum from blue-to-red, in combination with computer algorithms to reveal the dynamics of differentiation in vivo. Using a transcriptional target of T cell receptor (TCR)-signaling, we establish Nr4a3-Tocky to follow downstream effects of TCR signaling. Nr4a3-Tocky reveals the temporal sequence of events during regulatory T cell (Treg) differentiation and shows that persistent TCR signals occur during Treg generation. Remarkably, antigen-specific T cells at the site of autoimmune inflammation also show persistent TCR signaling. In addition, by generating Foxp3-Tocky, we reveal the in vivo dynamics of demethylation of the Foxp3 gene. Thus, Tocky is a Tool for cell biologists to address previously inaccessible questions by directly revealing dynamic processes in vivo. Summary The authors establish a new Tool, Timer-of-cell-kinetics-and-activity (Tocky) revealing the temporal dynamics of cellular activation and differentiation in vivo. The tool analyses the temporal sequence of molecular processes during cellular differentiation and identifies cells that receive persistent signals in vivo.
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 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 | 0,001 |
| 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».