MétaCan
Menu
Retour à la cohorte
Enregistrement W4309468013 · doi:10.1126/sciadv.abq5234

Nonstop mRNAs generate a ground state of mitochondrial gene expression noise

2022· article· en· W4309468013 sur OpenAlexaff
Kah Ying Ng, Güleycan Lutfullahoğlu Bal, Uwe Richter, Omid Safronov, Lars Paulín, Cory D. Dunn, Ville O. Paavilainen, Julie Richer, William G. Newman, Robert W. Taylor, Brendan J. Battersby

Notice bibliographique

RevueScience Advances · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA and protein synthesis mechanisms
Établissements canadiensChildren's Hospital of Eastern Ontario
Organismes subventionnairesMedical Research CouncilManchester Biomedical Research CentreOrionin TutkimussäätiöUnited Mitochondrial Disease FoundationSuomen KulttuurirahastoNational Institute for Health and Care ResearchJane ja Aatos Erkon SäätiöAction Medical ResearchWellcome Trust
Mots-clésNonStopRibosomeBiologyGeneticsShine-Dalgarno sequenceMitochondrial ribosomeRibosome profilingTranslation (biology)GeneStart codonMessenger RNAComputational biologyMitochondrial diseaseMitochondrial DNACell biologyRNAComputer science

Résumé

récupéré en direct d'OpenAlex

A stop codon within the mRNA facilitates coordinated termination of protein synthesis, releasing the nascent polypeptide from the ribosome. This essential step in gene expression is impeded with transcripts lacking a stop codon, generating nonstop ribosome complexes. Here, we use deep sequencing to investigate sources of nonstop mRNAs generated from the human mitochondrial genome. We identify diverse types of nonstop mRNAs on mitochondrial ribosomes that are resistant to translation termination by canonical release factors. Failure to resolve these aberrations by the mitochondrial release factor in rescue (MTRFR) imparts a negative regulatory effect on protein synthesis that is associated with human disease. Our findings reveal a source of underlying noise in mitochondrial gene expression and the importance of responsive ribosome quality control mechanisms for cell fitness and human health.

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 enseignants0,017
Score d'incertitude au seuil0,346

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 Opus0,009
Tête enseignante GPT0,253
Écart entre enseignants0,244 · 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

Citations16
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetRNA and protein synthesis mechanismsTravaux en français237 207