Zinc Detoxification: A Functional Genomics and Transcriptomics Analysis in <i>Drosophila melanogaster</i> Cultured Cells
Notice bibliographique
Résumé
Abstract Cells require some metals, such as zinc and manganese, but excess levels of these metals can be toxic. As a result, cells have evolved complex mechanisms for maintaining metal homeostasis and surviving metal intoxication. Here, we present the results of a large-scale functional genomic screen in Drosophila cultured cells for modifiers of zinc chloride toxicity, together with transcriptomics data for wild-type or genetically zinc-sensitized cells challenged with mild zinc chloride supplementation. Altogether, we identified 47 genes for which knockdown conferred sensitivity or resistance to toxic zinc or manganese chloride treatment, and &gt;1800 putative zinc-responsive genes. Analysis of the ‘omics data points to the relevance of ion transporters, glutathione (GSH)-related factors, and conserved disease-associated genes in zinc detoxification. Specific genes identified in the zinc screen include orthologs of human disease-associated genes CTNS, PTPRN (also known as IA-2), and ATP13A2 (also known as PARK9). We show that knockdown of red dog mine (rdog; CG11897), a candidate zinc detoxification gene encoding an ABCC-type transporter family protein related to yeast cadmium factor (YCF1), confers sensitivity to zinc intoxication in cultured cells, and that rdog is transcriptionally upregulated in response to zinc stress. As there are many links between the biology of zinc and other metals and human health, the ‘omics data sets presented here provide a resource that will allow researchers to explore metal biology in the context of diverse health-relevant processes.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».