MétaCan
Menu
Retour à la cohorte
Enregistrement W2966258113 · doi:10.1016/j.celrep.2019.06.097

Histone Recycling by FACT and Spt6 during Transcription Prevents the Scrambling of Histone Modifications

2019· article· en· W2966258113 sur OpenAlexafffund
Celia Jerónimo, Christian Poitras, François Robert

Notice bibliographique

RevueCell Reports · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Chromatin Dynamics
Établissements canadiensUniversité de MontréalMontreal Clinical Research Institute
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesCanadian Institutes of Health ResearchFonds de Recherche du Québec - SantéCompute Canada
Mots-clésEpigenomicsHistoneHistone methylationHistone codeEpigenomeNucleosomeTranscription (linguistics)BiologyCell biologyHistone H2AGeneticsChemistryDNA methylationDNAGene expressionGene

Résumé

récupéré en direct d'OpenAlex

Genomic DNA is framed by additional layers of information, referred to as the epigenome. Epigenomic marks such as DNA methylation, histone modifications, and histone variants are concentrated on specific genomic sites, where they can both instruct and reflect gene expression. How this information is maintained, notably in the face of transcription, is not completely understood. Specifically, the extent to which modified histones themselves are retained through RNA polymerase II passage is unclear. Here, we show that several histone modifications are mislocalized when the transcription-coupled histone chaperones FACT or Spt6 are disrupted in Saccharomyces cerevisiae. In the absence of functional FACT or Spt6, transcription generates nucleosome loss, which is partially compensated for by the increased activity of non-transcription-coupled histone chaperones. The random incorporation of transcription-evicted modified histones scrambles epigenomic information. Our work highlights the importance of local recycling of modified histones by FACT and Spt6 during transcription in the maintenance of the epigenomic landscape.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,011
Score d'incertitude au seuil0,302

Scores Codex et Gemma par catégorie

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 Opus0,008
Tête enseignante GPT0,246
Écart entre enseignants0,238 · 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 tête enseignante, 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

Citations115
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCell ReportsMême sujetGenomics and Chromatin DynamicsTravaux en français237 207