Sequence Determinants for Nuclear Retention and Cytoplasmic Export of mRNAs and lncRNAs
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
Eukaryotes are divided into two major compartments: the nucleus where RNA is synthesized and processed, and the cytoplasm, where mRNA is translated into proteins. Although many different RNAs are made, only a subset is allowed access to the cytoplasm, primarily RNAs involved in protein synthesis (mRNA, tRNA, and rRNA). In contrast, nuclear retained transcripts are mostly long non-coding RNAs (lncRNAs) whose role in cell physiology has been a source of much investigation in the past few years. In addition, it is likely that many non-functional RNAs, which arise by spurious transcription and misprocessing of functional RNAs, are also retained in the nucleus and degraded. In this review, the main sequence features that dictate whether any particular mRNA or lncRNA is a substrate for retention in the nucleus, or export to the cytoplasm, are discussed. Although nuclear export is promoted by RNA-splicing due to the fact that the spliceosome can help recruit export factors to the mature RNA, nuclear export does not require splicing. Indeed, most stable unspliced transcripts are well exported and associate with these same export factors in a splicing-independent manner. In contrast, nuclear retention is promoted by specialized cis-elements found in certain RNAs. This new understanding of the determinants of nuclear retention and cytoplasmic export provides a deeper understanding of how information flow is regulated in eukaryotic cells. Ultimately these processes promote the evolution of complexity in eukaryotes by shaping the genomic content through constructive neutral evolution.
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) | 0,001 | 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 découle