MétaCan
Menu
← Retour à la cohorte
Enregistrement W4254863735 · doi:10.3410/f.717980333.793471551

Faculty Opinions recommendation of Mono-uridylation of pre-microRNA as a key step in the biogenesis of group II let-7 microRNAs.

2013· dataset· en· W4254863735 sur OpenAlexaff
Pascale Legault

Notice bibliographique

RevueFaculty Opinions – Post-Publication Peer Review of the Biomedical Literature · 2013
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésDroshaDicermicroRNABiogenesisRibonuclease IIILIN28Cell biologyBiologyEmbryonic stem cellRNAGeneticsRNA interferenceGeneInduced pluripotent stem cell

Résumé

récupéré en direct d'OpenAlex

RNase III Drosha initiates microRNA (miRNA) maturation by cleaving a primary miRNA transcript and releasing a pre-miRNA with a 2 nt 3' overhang. Dicer recognizes the 2 nt 3' overhang structure to selectively process pre-miRNAs. Here, we find that, unlike prototypic pre-miRNAs (group I), group II pre-miRNAs acquire a shorter (1 nt) 3' overhang from Drosha processing and therefore require a 3'-end mono-uridylation for Dicer processing. The majority of let-7 and miR-105 belong to group II. We identify TUT7/ZCCHC6, TUT4/ZCCHC11, and TUT2/PAPD4/GLD2 as the terminal uridylyl transferases responsible for pre-miRNA mono-uridylation. The TUTs act specifically on dsRNAs with a 1 nt 3' overhang, thereby creating a 2 nt 3' overhang. Depletion of TUTs reduces let-7 levels and disrupts let-7 function. Although the let-7 suppressor, Lin28, induces inhibitory oligo-uridylation in embryonic stem cells, mono-uridylation occurs in somatic cells lacking Lin28 to promote let-7 biogenesis. Our study reveals functional duality of uridylation and introduces TUT7/4/2 as components of the miRNA biogenesis pathway.Copyright © 2012 Elsevier Inc. All rights reserved. PMID: 23063654

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,219
Score d'incertitude au seuil0,733

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,2190,107

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 Opus0,018
Tête enseignante GPT0,317
Écart entre enseignants0,299 · 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
GenreJeu de données

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

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFaculty Opinions – Post-Publication Peer Review of the Biomedical Literature→Même sujetMicroRNA in disease regulation→Travaux en français237 207→