Nuclear compartmentalization of TERT mRNA and TUG1 lncRNA transcripts is driven by intron retention: implications for RNA-directed therapies
Notice bibliographique
Résumé
Abstract Numerous global connections have been made between splicing and other layers of gene regulation, including the spatial partitioning of the transcriptome in the cell. Yet, there has been surprisingly little analysis of the spatio-temporal regulation of individual protein-coding and non-coding RNA molecules in single cells. Here we address how intron retention influences the spatio-temporal dynamics of transcripts from two clinically relevant genes: TERT (Telomerase Reverse Transcriptase) pre-mRNA and TUG1 (Taurine-Upregulated Gene 1) lncRNA. Single molecule RNA FISH revealed that nuclear TERT transcripts uniformly and robustly retain two specific introns whose splicing occurs during mitosis. In contrast, TUG1 has a bimodal distribution of fully spliced cytoplasmic and intron-retained nuclear transcripts. We further test the functionality of intron-retention events using RNA-targeting thiomorpholino antisense oligonucleotides to block intron excision. We show that intron retention is the driving force for the nuclear compartmentalization of these RNAs. For both RNAs, altering this splicing-driven subcellular distribution had significant effects on cell growth. Together, these findings show that stable retention of specific introns can orchestrate spatial compartmentalization of RNAs within the cell; this process reveals new targets for RNA-based 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».