MétaCan
Menu
Retour à la cohorte
Enregistrement W4316589974 · doi:10.1139/bcb-2022-0325

RNA deadenylation complexes in development and diseases

2023· review· en· W4316589974 sur OpenAlexafffundvenue
Yilin Liu, Niveditha Ramkumar, Ly Vu

Notice bibliographique

RevueBiochemistry and Cell Biology · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Research and Splicing
Établissements canadiensTerry Fox Research InstituteUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchAmerican Society of Hematology
Mots-clésRNABiologyCell biologyRegulation of gene expressionTranslation (biology)RNA-binding proteinGene expressionCell fate determinationGeneticsMessenger RNAGeneTranscription factor

Résumé

récupéré en direct d'OpenAlex

RNA deadenylation, the process of shortening of the 3' poly(A) tail of an RNA molecule, is one of the key steps of post-transcriptional regulation of gene expression in eukaryotic cells. PAN2/3 and CCR4-NOT (CNOT) are the two dominant RNA deadenylation complexes, which play central roles in mediating mRNA decay and translation. While degradation is the final fate of virtually all RNAs in their life cycles, selection of RNA targets as well as control of the rate and timing of RNA decay, in coordination with other molecular pathways, including translation, can be modulated in certain contexts. Such regulation influences cell growth, proliferation, and differentiation at the cellular level; and contributes to establish polarity and regulate signaling at the tissue level. Dysregulation of deadenylation processes have also been implicated in human diseases ranging from cardiac diseases and neurodevelopmental disorders to cancers. In this review, we will discuss mechanisms of gene expression control mediated by the RNA deadenylation complexes and highlight relevant evidence supporting the emerging roles of RNA deadenylation and its regulatory proteins during development and in diseases. A systemic understanding of these mechanisms will be a critical foundation for development of effective strategies to therapeutically target them.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,039
Tête enseignante GPT0,324
Écart entre enseignants0,285 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBiochemistry and Cell BiologyMême sujetRNA Research and SplicingTravaux en français237 207