RNA-binding proteins with basic-acidic dipeptide (BAD) domains self-assemble and aggregate in Alzheimer's disease
Notice bibliographique
Résumé
The U1 small nuclear ribonucleoprotein 70 kDa (U1-70K) and other RNA-binding proteins (RBPs) are mislocalized to cytoplasmic neurofibrillary Tau aggregates in Alzheimer's disease (AD), yet the co-aggregation mechanisms are incompletely understood. U1-70K harbors two disordered low-complexity domains (LC1 and LC2) that are necessary for aggregation in AD brain extracts. The LC1 domain contains highly repetitive basic (Arg/Lys) and acidic (Asp/Glu) residues, referred to as a basic-acidic dipeptide (BAD) domain. We report here that this domain shares many of the properties of the Gln/Asn-rich LC domains in RBPs that also aggregate in neurodegenerative disease. These properties included self-assembly into oligomers and localization to nuclear granules. Co-immunoprecipitations of recombinant U1-70K and deletions lacking the LC domain(s) followed by quantitative proteomic analyses were used to resolve functional classes of U1-70K-interacting proteins that depend on the BAD domain for their interaction. Within this interaction network, we identified a class of RBPs with BAD domains nearly identical to that found in U1-70K. Two members of this class, LUC7L3 and RBM25, required their respective BAD domains for reciprocal interactions with U1-70K and nuclear granule localization. Strikingly, a significant proportion of RBPs with BAD domains had elevated insolubility in the AD brain proteome. Furthermore, we show that the BAD domain of U1-70K can interact with Tau from AD brains but not from other tauopathies. These findings highlight a mechanistic role for BAD domains in stabilizing RBP interactions and in potentially mediating co-aggregation with the pathological AD-specific Tau isoforms.
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 | 0,000 |
| 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 | 0,000 | 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 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 ».