Genome-wide screening for genetic variants in polyadenylation signal (PAS) sites in mouse selection lines for fatness and leanness
Notice bibliographique
Résumé
Alternative polyadenylation (APA) determines mRNA stability, localisation, translation and protein function. Several diseases, including obesity, have been linked to APA. Studies have shown that single nucleotide polymorphisms in polyadenylation signals (PAS-SNPs) can influence APA and affect phenotype and disease susceptibility. However, these studies focussed on associations between single PAS-SNP alleles with very large effects and phenotype. Therefore, we performed a genome-wide screening for PAS-SNPs in the polygenic mouse selection lines for fatness and leanness by whole-genome sequencing. The genetic variants identified in the two lines were overlapped with locations of PAS sites obtained from the PolyASite 2.0 database. Expression data for selected genes were extracted from the microarray expression experiment performed on multiple tissue samples. In total, 682 PAS-SNPs were identified within 583 genes involved in various biological processes, including transport, protein modifications and degradation, cell adhesion and immune response. Moreover, 63 of the 583 orthologous genes in human have been previously associated with human diseases, such as nervous system and physical disorders, and immune, endocrine, and metabolic diseases. In both lines, PAS-SNPs have also been identified in genes broadly involved in APA, such as Polr2c, Eif3e and Ints11. Five PAS-SNPs within 5 genes (Car, Col4a1, Itga7, Lat, Nmnat1) were prioritised as potential functional variants and could contribute to the phenotypic disparity between the two selection lines. The developed PAS-SNPs catalogue presents a key resource for planning functional studies to uncover the role of PAS-SNPs in APA, disease susceptibility and fat deposition.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».