MétaCan
Menu
Retour à la cohorte
Enregistrement W4300552519 · doi:10.17615/rewh-pt50

miR-155 Inhibits Expression of the MEF2A Protein to Repress Skeletal Muscle Differentiation

2020· article· en· W4300552519 sur OpenAlexfundno aff
Mariko Tatsuguchi, Da Zhi Wang, William T. Pu, Thomas E. Callis, Heeyoung Seok, Aibin He

Notice bibliographique

RevueUNC Libraries · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensnon disponible
Organismes subventionnairesThomas Jefferson UniversityMuscular Dystrophy AssociationYork UniversityAmerican Heart AssociationNational Institutes of HealthMarch of Dimes Foundation
Mots-clésSkeletal muscleCell biologyProtein expressionExpression (computer science)BiologyGeneticsEndocrinologyComputer scienceGene

Résumé

récupéré en direct d'OpenAlex

microRNAs (miRNAs) are 21–23-nucleotide non-coding RNAs. It has become more and more evident that this class of small RNAs plays critical roles in the regulation of gene expression at the post-transcriptional level. MEF2A is a member of the MEF2 (myogenic enhancer factor 2) family of transcription factors. Prior report showed that the 3′-untranslated region (3′-UTR) of the Mef2A gene mediated its repression; however, the molecular mechanism underlying this intriguing observation was unknown. Here, we report that MEF2A is repressed by miRNAs. We identify miR-155 as one of the primary miRNAs that significantly represses the expression of MEF2A. We show that knockdown of the Mef2A gene by siRNA impairs myoblast differentiation. Similarly, overexpression of miR-155 leads to the repression of endogenous MEF2A expression and the inhibition of myoblast differentiation. Most importantly, reintroduction of MEF2A in miR-155 overexpressed myoblasts was able to partially rescue the miR-155-induced myoblast differentiation defect. Our data therefore establish miR-155 as an important regulator of MEF2A expression and uncover its function in muscle gene expression and myogenic differentiation.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,267

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,205
Écart entre enseignants0,194 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUNC LibrariesMême sujetMuscle Physiology and DisordersTravaux en français237 207