Control of translation elongation in health and disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Regulation of protein synthesis makes a major contribution to post-transcriptional control pathways. During disease, or under stress, cells initiate processes to reprogramme protein synthesis and thus orchestrate the appropriate cellular response. Recent data show that the elongation stage of protein synthesis is a key regulatory node for translational control in health and disease. There is a complex set of factors that individually affect the overall rate of elongation and, for the most part, these influence either transfer RNA (tRNA)- and eukaryotic elongation factor 1A (eEF1A)-dependent codon decoding, and/or elongation factor 2 (eEF2)-dependent ribosome translocation along the mRNA. Decoding speeds depend on the relative abundance of each tRNA, the cognate:near-cognate tRNA ratios and the degree of tRNA modification, whereas eEF2-dependent ribosome translocation is negatively regulated by phosphorylation on threonine-56 by eEF2 kinase. Additional factors that contribute to the control of the elongation rate include epigenetic modification of the mRNA, coding sequence variation and the expression of eIF5A, which stimulates peptide bond formation between proline residues. Importantly, dysregulation of elongation control is central to disease mechanisms in both tumorigenesis and neurodegeneration, making the individual key steps in this process attractive therapeutic targets. Here, we discuss the relative contribution of individual components of the translational apparatus (e.g. tRNAs, elongation factors and their modifiers) to the overall control of translation elongation and how their dysregulation contributes towards disease 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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle