System-wide analyses of the fission yeast poly(A) <sup>+</sup> RNA interactome reveal insights into organization and function of RNA–protein complexes
Notice bibliographique
Résumé
Large RNA-binding complexes play a central role in gene expression and orchestrate production, function, and turnover of mRNAs. The accuracy and dynamics of RNA–protein interactions within these molecular machines are essential for their function and are mediated by RNA-binding proteins (RBPs). Here, we show that fission yeast whole-cell poly(A) + RNA–protein crosslinking data provide information on the organization of RNA–protein complexes. To evaluate the relative enrichment of cellular RBPs on poly(A) + RNA, we combine poly(A) + RNA interactome capture with a whole-cell extract normalization procedure. This approach yields estimates of in vivo RNA-binding activities that identify subunits within multiprotein complexes that directly contact RNA. As validation, we trace RNA interactions of different functional modules of the 3′ end processing machinery and reveal additional contacts. Extending our analysis to different mutants of the RNA exosome complex, we explore how substrate channeling through the complex is affected by mutation. Our data highlight the central role of the RNA helicase Mtl1 in regulation of the complex and provide insights into how different components contribute to engagement of the complex with substrate RNA. In addition, we characterize RNA-binding activities of novel RBPs that have been recurrently detected in the RNA interactomes of multiple species. We find that many of these, including cyclophilins and thioredoxins, are substoichiometric RNA interactors in vivo. Because RBPomes show very good overall agreement between species, we propose that the RNA-binding characteristics we observe in fission yeast are likely to apply to related proteins in higher eukaryotes as well.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».