MétaCan
Menu
Retour à la cohorte
Enregistrement W2899838052 · doi:10.3389/fgene.2018.00510

Sorting mRNA Molecules for Cytoplasmic Transport and Localization

2018· review· en· W2899838052 sur OpenAlexfundno aff
Nathalie Nériec, Piergiorgio Percipalle

Notice bibliographique

RevueFrontiers in Genetics · 2018
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA and protein synthesis mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesCancerfondenYork UniversityVetenskapsrådetNew York University Abu Dhabi
Mots-clésSortingCytoplasmMessenger RNACell biologyComputational biologyBiologyChemistryGeneticsGeneComputer scienceAlgorithm

Résumé

récupéré en direct d'OpenAlex

In eukaryotic cells, gene expression is highly regulated at many layers. Nascent RNA molecules are assembled into ribonucleoprotein complexes that are then released into the nucleoplasmic milieu and transferred to the nuclear pore complex for nuclear export. RNAs are then either translated or transported to the cellular periphery. Emerging evidence indicates that RNA-binding proteins play an essential role throughout RNA biogenesis, from the gene to polyribosomes. However, the sorting mechanisms that regulate whether an RNA molecule is immediately translated or sent to specialized locations for translation are unclear. This question is highly relevant during development and differentiation when cells acquire a specific identity. Here, we focus on the RNA-binding properties of heterogeneous nuclear ribonucleoproteins (hnRNPs) and how these mechanisms are believed to play an essential role in RNA trafficking in polarized cells. Further, by focusing on the specific hnRNP protein CBF-A/hnRNPab and its naturally occurring isoforms, we propose a model on how hnRNP proteins are capable of regulating gene expression both spatially and temporally throughout the RNA biogenesis pathway, impacting both healthy and diseased cells.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,020
Tête enseignante GPT0,274
Écart entre enseignants0,255 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations19
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in GeneticsMême sujetRNA and protein synthesis mechanismsTravaux en français237 207