Control of Ribosomal RNA Synthesis by Hematopoietic Transcription Factors
Notice bibliographique
Résumé
SUMMARY Ribosomal RNAs (rRNAs) are the most abundant cellular RNAs, and their synthesis from rDNA repeats by RNA Polymerase I accounts for the bulk of all transcription. Despite substantial variation in rRNA transcription rates across cell types, little is known about cell-type-specific factors that bind rDNA and regulate rRNA transcription to meet tissue-specific needs. Using hematopoiesis as a model system, we mapped about 2200 ChIP-Seq datasets for 250 transcription factors (TFs) and chromatin proteins to human and mouse rDNA, and identified robust binding of multiple TF families to canonical TF motifs on rDNA. Using a 47S-FISH-Flow assay developed for nascent rRNA quantification, we demonstrated that targeted degradation of CEBPA (C/EBP alpha), a critical hematopoietic TF with conserved rDNA binding, caused rapid reduction in rRNA transcription due to reduced Pol I occupancy. Our work identifies numerous potential rRNA regulators, and provides a template for dissection of TF roles in rRNA transcription. HIGHLIGHTS Multiple cell-type-specific transcription factors (TFs) bind canonical motifs on rDNA. The hematopoietic TF CEBPA binds to active rDNA alleles at a conserved site. CEBPA promotes Polymerase I occupancy and rRNA transcription in myeloid progenitors. We present ‘47S-FISH-Flow,’ a sensitive assay to quantify nascent rRNA.
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 | 0,001 |
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 ».