MétaCan
Menu
Retour à la cohorte
Enregistrement W4307388608 · doi:10.1073/pnas.2210150119

ADAR regulates APOL1 via A-to-I RNA editing by inhibition of MDA5 activation in a paradoxical biological circuit

2022· article· en· W4307388608 sur OpenAlexaff
Cristian V. Riella, Michelle T. McNulty, Guilherme T. Ribas, Calum F. Tattersfield, Chandra Perez-Gill, Felix Eichinger, Jessica Kelly, Justin Chun, Balajikarthick Subramanian, Dieval Guizelini, Seth L. Alper, Martin R. Pollak, Matthew G. Sampson, David J. Friedman, S Massengill, Katherine M. Dell, John R. Sedor, Berta Martín, Kevin V. Lemley, Shishir Sharma, Tarak Srivastava, Kästner Markus, Christine B. Sethna, Sandro Vento, Pietro A. Canetta, Akshyaya Pradhan, Laurence Greenbaum, Wang Cs, Eun Joo Yun, Sharon G. Adler, Janine LaPage, Meredith A. Atkinson, M. J. Williams, Elizabeth McCarthy, Fernando C. Fervenza, Marie C. Hogan, John C. Lieske, David T. Selewski, C Conley, Frederick J. Kaskel, Michael D. Ross, P. Flynn, Jeffrey B. Kopp, Laura Málaga-Diéguez, Olga Zhdanova, B Pace, Salem Almaani, Richard Lafayette, S Dave, Ike Lee, S. Quinn-Boyle, Shrijal S. Shah, Heather N. Reich, Michelle Hladunewich, P. Ling, Martin Romano, P Brakeman, A Podoll, Alessia Fornoni, Carlos Bidot, Matthias Kretzler, Debbie S. Gipson, Amanda Williams, Catherine Klida, Vimal K. Derebail, Keisha L. Gibson, Anne Froment, F Ochoa-Toro, Lawrence B. Holzman, Kevin Meyers, K. Kallem, Andrea Swenson, Kulbhushan Sharma, Kamal Sambandam, Z Wang, M. Rogers, A. Jefferson, Sangeeta Hingorani, Katherine R. Tuttle, L Manahan, Emily Pao, K Kuykendall K, JJ Lin, Stefanie Baker, V Dharnidharka

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA regulation and disease
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Institute on Minority Health and Health DisparitiesNational Center for Advancing Translational SciencesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Kidney FoundationEllison Medical Foundation
Mots-clésADARBiologyRNA editingGene knockdownMDA5RNA silencingRNACell biologyMessenger RNARNA interferenceGeneticsGene

Résumé

récupéré en direct d'OpenAlex

high-risk genotype develop kidney disease. As APOL1 gene expression correlates closely with the degree of kidney cell injury in both cell and animal models, the mechanisms regulating APOL1 expression may be critical determinants of risk allele penetrance. The APOL1 messenger RNA includes Alu elements at the 3' untranslated region that can form a double-stranded RNA structure (Alu-dsRNA) susceptible to posttranscriptional adenosine deaminase acting on RNA (ADAR)-mediated adenosine-to-inosine (A-to-I) editing, potentially impacting gene expression. We studied the effects of ADAR expression and A-to-I editing on APOL1 levels in podocytes, human kidney tissue, and a transgenic APOL1 mouse model. In interferon-γ (IFN-γ)-stimulated human podocytes, ADAR down-regulates APOL1 by preventing melanoma differentiation-associated protein 5 (MDA5) recognition of dsRNA and the subsequent type I interferon (IFN-I) response. Knockdown experiments showed that recognition of APOL1 messenger RNA itself is an important contributor to the MDA5-driven IFN-I response. Mathematical modeling suggests that the IFN-ADAR-APOL1 network functions as an incoherent feed-forward loop, a biological circuit capable of generating fast, transient responses to stimuli. Glomeruli from human kidney biopsies exhibited widespread editing of APOL1 Alu-dsRNA, while the transgenic mouse model closely replicated the edited sites in humans. APOL1 expression in mice was inversely correlated with Adar1 expression under IFN-γ stimuli, supporting the idea that ADAR regulates APOL1 levels in vivo. ADAR-mediated A-to-I editing is an important regulator of APOL1 expression that could impact both penetrance and severity of APOL1-associated kidney disease.

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 enseignants0,001
Score d'incertitude au seuil0,002

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)0,0010,000

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 Opus0,031
Tête enseignante GPT0,281
Écart entre enseignants0,251 · 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

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetRNA regulation and diseaseTravaux en français237 207