Crosstalk between RNA viruses and DNA sensors: Role of the cGAS‐STING signalling pathway
Notice bibliographique
Résumé
Despite only comprising half of all known viral species, RNA viruses are disproportionately responsible for many of the worst epidemics in human history, including outbreaks of influenza, poliomyelitis, Ebola, and most recently, the coronavirus disease-2019 (COVID-19) pandemic. The propensity for RNA viruses to replicate in cytosolic compartments has led to an evolutionary arms race and the emergence of cytosolic sensors to recognise and initiate the host innate immune response. Although significant progress has been made in identifying and characterising cytosolic RNA sensors as anti-viral innate immune factors, the potential role for cytosolic DNA sensors in RNA viral infection is only recently being appreciated. Among these, the cyclic GMP-AMP synthase (cGAS)-stimulator of interferon genes (STING) pathway has attracted increasing attention. The cGAS-STING signalling pathway has emerged as a key innate immune signalling axis that is implicated in diverse human diseases from infectious diseases to neurodegeneration and cancer. Here we review the existing literature on RNA viruses and their reciprocal interactions with the cGAS-STING pathway and share insights into RNA virus diversity by touching on the similarities and differences of RNA viral strategies.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».