The RNA surveillance proteins UPF1, UPF2 and SMG6 affect HIV-1 reactivation at a post-transcriptional level
Notice bibliographique
Résumé
BACKGROUND: The ability of human immunodeficiency virus type 1 (HIV-1) to form a stable viral reservoir is the major obstacle to an HIV-1 cure and post-transcriptional events contribute to the maintenance of viral latency. RNA surveillance proteins such as UPF1, UPF2 and SMG6 affect RNA stability and metabolism. In our previous work, we demonstrated that UPF1 stabilises HIV-1 genomic RNA (vRNA) and enhances its translatability in the cytoplasm. Thus, in this work we evaluated the influence of RNA surveillance proteins on vRNA expression and, as a consequence, viral reactivation in cells of the lymphoid lineage. METHODS: Quantitative fluorescence in situ hybridisation-flow cytometry (FISH-flow), si/shRNA-mediated depletions and Western blotting were used to characterise the roles of RNA surveillance proteins on HIV-1 reactivation in a latently infected model T cell line and primary CD4+ T cells. RESULTS: UPF1 was found to be a positive regulator of viral reactivation, with a depletion of UPF1 resulting in impaired vRNA expression and viral reactivation. UPF1 overexpression also modestly enhanced vRNA expression and its ATPase activity and N-terminal domain were necessary for this effect. UPF2 and SMG6 were found to negatively influence viral reactivation, both via an interaction with UPF1. UPF1 knockdown also resulted in reduced vRNA levels and viral gene expression in HIV-1-infected primary CD4+ T cells. CONCLUSION: Overall, these data suggest that RNA surveillance proteins affect HIV-1 gene expression at a post-transcriptional level. An elucidation of the role of vRNA metabolism on the maintenance of HIV-1 persistence can lead to the development of novel curative strategies.
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 | 0,001 | 0,001 |
| 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 | 0,002 |
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 ».