MétaCan
Menu
← Retour à la cohorte
Enregistrement W4284883095 · doi:10.1101/2022.07.06.498900

Muscleblind-like proteins use modular domains to localize RNAs by riding kinesins and docking to membranes

2022· preprint· en· W4284883095 sur OpenAlexfundno aff
Ryan P. Hildebrandt, Kathryn R. Moss, Aleksandra Janusz, Luke A. Knudson, Lance T. Denes, Tanvi Saxena, Devi Prasad Boggupalli, Zhuangyue Li, Kun Lin, Gary J. Bassell, Eric T. Wang

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Research and Splicing
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of GeneticsUniversity at AlbanyNational Institutes of HealthChan Zuckerberg InitiativeEmory UniversityMassachusetts Institute of Technology
Mots-clésKinesinCell biologyRNA-binding proteinBiologyRNAMicrotubuleComputational biologyBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

Summary RNA transport and local translation provide spatial control of gene expression, and RNA binding proteins (RBPs) act as critical adapters in this multi-step process. Muscleblind-like (MBNL) RNA binding proteins, implicated in myotonic dystrophy and cancer, localize RNAs to myoblast membranes and distal neurites through unknown mechanisms. We found that MBNL forms motile and anchored granules in neurons and myoblasts, and selectively associates with kinesins Kif1bα and Kif1c through its zinc finger (ZnF) domains. Other RBPs with similar ZnFs also associate with these kinesins, implicating a motor-RBP specificity code. Live cell imaging and fractionation revealed that membrane anchoring is mediated through the unstructured carboxy-terminal tail of MBNL1. Both kinesin- and membrane-recruitment functions were reconstituted using MBNL-MS2 coat protein fusions. This approach, termed RBP Module Recruitment and Imaging (RBP-MRI), decouples RNA binding, kinesin recruitment, and membrane anchoring functions, while also establishing general strategies for studying multi-functional, modular domains of RBPs.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,242
Écart entre enseignants0,228 · 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'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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetRNA Research and Splicing→Travaux en français237 207→