MétaCan
Menu
Retour à la cohorte
Enregistrement W3046983110 · doi:10.1002/wrna.1619

Emerging translation strategies during virus–host interaction

2020· review· en· W3046983110 sur OpenAlexafffund
Huy‐Dung Hoang, Serge Neault, Adrian Pelin, Tommy Alain

Notice bibliographique

RevueWiley Interdisciplinary Reviews - RNA · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA and protein synthesis mechanisms
Établissements canadiensOttawa HospitalChildren's Hospital of Eastern OntarioUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Cancer Society Research InstituteTerry Fox Research Institute
Mots-clésTranslation (biology)Host (biology)VirusBiologyProtein biosynthesisRibosomeMessenger RNAEIF4EVirologyComputational biologyRNAGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Translation control is crucial during virus-host interaction. On one hand, viruses completely rely on the protein synthesis machinery of host cells to propagate and have evolved various mechanisms to redirect the host's ribosomes toward their viral mRNAs. On the other hand, the host rewires its translation program in an attempt to contain and suppress the virus early on during infection; the antiviral program includes specific control on protein synthesis to translate several antiviral mRNAs involved in quenching the infection. As the infection progresses, host translation is in turn inhibited in order to limit viral propagation. We have learnt of very diverse strategies that both parties utilize to gain or retain control over the protein synthesis machinery. Yet novel strategies continue to be discovered, attesting for the importance of mRNA translation in virus-host interaction. This review focuses on recently described translation strategies employed by both hosts and viruses. These discoveries provide additional pieces in the understanding of the complex virus-host translation landscape. This article is categorized under: Translation > Translation Mechanisms Translation > Translation Regulation.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,052
Tête enseignante GPT0,362
Écart entre enseignants0,311 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWiley Interdisciplinary Reviews - RNAMême sujetRNA and protein synthesis mechanismsTravaux en français237 207