MétaCan
Menu
← Retour à la cohorte
Enregistrement W3009349626 · doi:10.1101/2020.03.06.980250

Metabolic labeling of RNA using multiple ribonucleoside analogs enables simultaneous evaluation of transcription and degradation rates

2020· preprint· en· W3009349626 sur OpenAlexfundno aff
Kentaro Kawata, Hiroyasu Wakida, Toshimichi Yamada, Kenzui Taniue, Han Han, Masahide Seki, Yutaka Suzuki, Nobuyoshi Akimitsu

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Research and Splicing
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of GeneticsJapan Society for the Promotion of ScienceResearch Organization of Information and Systems
Mots-clésTranscription (linguistics)Degradation (telecommunications)RNARibonucleosideGeneCell biologyBiologyGene expressionTranscription factorChemistryBiochemistryComputer science

Résumé

récupéré en direct d'OpenAlex

Summary Gene expression is one of the factors determining cellular conditions, and its level is determined by the balance between transcription and RNA degradation. However, it has been not well elucidated how transcription and degradation are related to each other. To elucidate the relationship of them, methods enabling simultaneous measurement of transcription and degradation are required. Here, we report the development of “Dyrec-seq” to evaluate transcription and RNA degradation rates simultaneously, by using 4-thiouridine and 5-bromouridine. Using Dyrec-seq, we quantified the transcription and degradation rates of 4,702 genes in HeLa cells. Functional enrichment analysis showed that the transcription and degradation rates of genes are actually determined by the genes’ biological functions. Comparison of theoretical and experimental analysis results revealed that the amount of RNA was determined by the ratio of transcription to degradation rates, while the rapidity of responses to external stimuli was determined only by the degradation rate. This study emphasizes that degradation as well as transcription is important in determining the behavior of RNA.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,037
Tête enseignante GPT0,278
Écart entre enseignants0,241 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetRNA Research and Splicing→Travaux en français237 207→