Formation and persistence of polyglutamine aggregates in mistranslating cells
Notice bibliographique
Résumé
In neurodegenerative diseases, including pathologies with well-known causative alleles, genetic factors that modify severity or age of onset are not entirely understood. We recently documented the unexpected prevalence of transfer RNA (tRNA) mutants in the human population, including variants that cause amino acid mis-incorporation. We hypothesized that a mistranslating tRNA will exacerbate toxicity and modify the molecular pathology of Huntington's disease-causing alleles. We characterized a tRNAPro mutant that mistranslates proline codons with alanine, and tRNASer mutants, including a tRNASerAGA G35A variant with a phenylalanine anticodon (tRNASerAAA) found in ∼2% of the population. The tRNAPro mutant caused synthetic toxicity with a deleterious huntingtin poly-glutamine (polyQ) allele in neuronal cells. The tRNASerAAA variant showed synthetic toxicity with proteasome inhibition but did not enhance toxicity of the huntingtin allele. Cells mistranslating phenylalanine or proline codons with serine had significantly reduced rates of protein synthesis. Mistranslating cells were slow but effective in forming insoluble polyQ aggregates, defective in protein and aggregate degradation, and resistant to the neuroprotective integrated stress response inhibitor (ISRIB). Our findings identify mistranslating tRNA variants as genetic factors that slow protein aggregation kinetics, inhibit aggregate clearance, and increase drug resistance in cellular models of neurodegenerative disease.
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) | 0,000 | 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 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 ».