Chemical-Genetic Interactions with the Proline Analog L-Azetidine-2-Carboxylic Acid in <i>Saccharomyces cerevisiae</i>
Notice bibliographique
Résumé
Abstract Non-proteinogenic amino acids, such as the proline analog L-azetidine-2-carboxylic acid (AZC), are detrimental to cells because they are mis-incorporated into proteins and lead to proteotoxic stress. Our goal was to identify genes that show chemical-genetic interactions with AZC in Saccharomyces cerevisiae and thus also potentially define the pathways cells use to cope with amino acid mis-incorporation. Screening the yeast deletion and temperature sensitive collections, we found 72 alleles with negative chemical-genetic interactions with AZC treatment and 12 alleles that suppress AZC toxicity. Many of the genes with negative chemical-genetic interactions are involved in protein quality control pathways through the proteasome. Genes involved in actin cytoskeleton organization and endocytosis also had negative chemical-genetic interactions with AZC. Related to this, the number of actin patches per cell increases upon AZC treatment. Many of the same cellular processes were identified to have interactions with proteotoxic stress caused by two other amino acid analogs, canavanine and thialysine, or a mistranslating tRNA variant that mis-incorporates serine at proline codons. Alleles that suppressed AZC-induced toxicity functioned through the amino acid sensing TOR pathway or controlled amino acid permeases required for AZC uptake. Further suggesting the potential of genetic changes to influence the cellular response to proteotoxic stress, overexpressing many of the genes that had a negative chemical-genetic interaction with AZC suppressed AZC toxicity.
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 | 0,000 |
| 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 | 0,001 | 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 ».