MétaCan
Menu
Retour à la cohorte
Enregistrement W2897380393 · doi:10.1038/s41467-018-06825-7

Engineering protein-protein devices for multilayered regulation of mRNA translation using orthogonal proteases in mammalian cells

2018· article· en· W2897380393 sur OpenAlexfundno aff
Federica Cella, Liliana Wróblewska, Ron Weiss, Velia Siciliano

Notice bibliographique

RevueNature Communications · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA and protein synthesis mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesNational Institutes of HealthInstitute of GeneticsNational Institute of General Medical SciencesIstituto Italiano di Tecnologia
Mots-clésProteasesSynthetic biologyProteaseTranslation (biology)Computational biologyRNA-binding proteinCell biologyBiologyRNAMessenger RNATranslational regulationGeneticsGeneBiochemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

The development of RNA-encoded regulatory circuits relying on RNA-binding proteins (RBPs) has enhanced the applicability and prospects of post-transcriptional synthetic network for reprogramming cellular functions. However, the construction of RNA-encoded multilayer networks is still limited by the availability of composable and orthogonal regulatory devices. Here, we report on control of mRNA translation with newly engineered RBPs regulated by viral proteases in mammalian cells. By combining post-transcriptional and post-translational control, we expand the operational landscape of RNA-encoded genetic circuits with a set of regulatory devices including: i) RBP-protease, ii) protease-RBP, iii) protease-protease, iv) protein sensor protease-RBP, and v) miRNA-protease/RBP interactions. The rational design of protease-regulated proteins provides a diverse toolbox for synthetic circuit regulation that enhances multi-input information processing-actuation of cellular responses. Our approach enables design of artificial circuits that can reprogram cellular function with potential benefits as research tools and for future in vivo therapeutics and biotechnological applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,000
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,293
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations81
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetRNA and protein synthesis mechanismsTravaux en français237 207