MétaCan
Menu
Retour à la cohorte
Enregistrement W2967561146 · doi:10.1073/pnas.1905172116

HuR counteracts miR-330 to promote STAT3 translation during inflammation-induced muscle wasting

2019· article· en· W2967561146 sur OpenAlexafffund
Souad Mubaid, F. Jennifer, Amr Omer, Kholoud Ashour, Xian Jin Lian, Brenda Janice Sánchez, Samantha Robinson, Anne Cammas, Virginie Dormoy-Raclet, Sergio Di Marco, Sridar V. Chittur, Scott A. Tenenbaum, Imed‐Eddine Gallouzi

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesNational Institute of General Medical SciencesNational Human Genome Research InstituteCanadian Institutes of Health ResearchAgence Nationale de la RechercheProstate Cancer CanadaGovernment of Canada
Mots-clésWastingProinflammatory cytokineSTAT3CachexiaSkeletal muscleInflammationEffectorTranslation (biology)Messenger RNACancer researchMedicineBiologyCell biologyPhosphorylationInternal medicineCancer

Résumé

récupéré en direct d'OpenAlex

Significance Proinflammatory diseases, such as cancer, AIDS, and chronic obstructive pulmonary diseases, are often associated with a progressive loss of skeletal muscle tissue, a syndrome also known as cachexia. Cytokines trigger muscle loss by activating downstream effector pathways, including the ones driven by STAT3 protein. Although high levels of STAT3 protein are required for the onset of muscle wasting, the mechanisms modulating STAT3 expression in cachectic muscles remain elusive. Here we identify the RNA-binding protein HuR and its ability to interfere with miR-330 action as a key promoter of STAT3 mRNA translation. Our work identifies the competition between HuR and miR-330 as a mechanism that could be targeted to design novel anticachexia therapies.

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 enseignants0,125
Score d'incertitude au seuil0,216

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 Opus0,026
Tête enseignante GPT0,290
Écart entre enseignants0,265 · 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

Citations54
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetMuscle Physiology and DisordersTravaux en français237 207