MétaCan
Menu
Retour à la cohorte
Enregistrement W4283359651 · doi:10.1038/s41467-022-31173-y

RNase III CLASH in MRSA uncovers sRNA regulatory networks coupling metabolism to toxin expression

2022· article· en· W4283359651 sur OpenAlexfundno aff
Stuart W. McKellar, Ivayla Ivanova, Pedro Arêde, Rachel L. Zapf, Noémie Mercier, Liang‐Cui Chu, Daniel G. Mediati, Amy C. Pickering, Paul Briaud, Robert G. Foster, Grzegorz Kudla, J. Ross Fitzgerald, Isabelle Caldelari, Ronan K. Carroll, Jai J. Tree, Sander Granneman

Notice bibliographique

RevueNature Communications · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBacterial Genetics and Biotechnology
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of GeneticsBiotechnology and Biological Sciences Research CouncilMedical Research CouncilDirectorate for Biological SciencesAgence Nationale de la RechercheNational Institute of Allergy and Infectious DiseasesNational Health and Medical Research CouncilUniversity of EdinburghWellcome Trust
Mots-clésRNase PTransfer RNAExpression (computer science)ToxinCell biologyComputational biologyBiologyChemistryGeneComputer scienceGeneticsRNA

Résumé

récupéré en direct d'OpenAlex

Methicillin-resistant Staphylococcus aureus (MRSA) is a bacterial pathogen responsible for significant human morbidity and mortality. Post-transcriptional regulation by small RNAs (sRNAs) has emerged as an important mechanism for controlling virulence. However, the functionality of the majority of sRNAs during infection is unknown. To address this, we performed UV cross-linking, ligation, and sequencing of hybrids (CLASH) in MRSA to identify sRNA-RNA interactions under conditions that mimic the host environment. Using a double-stranded endoribonuclease III as bait, we uncovered hundreds of novel sRNA-RNA pairs. Strikingly, our results suggest that the production of small membrane-permeabilizing toxins is under extensive sRNA-mediated regulation and that their expression is intimately connected to metabolism. Additionally, we also uncover an sRNA sponging interaction between RsaE and RsaI. Taken together, we present a comprehensive analysis of sRNA-target interactions in MRSA and provide details on how these contribute to the control of virulence in response to changes in metabolism.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,810
Score d'incertitude au seuil0,582

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,256
Écart entre enseignants0,248 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations46
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetBacterial Genetics and BiotechnologyTravaux en français237 207