Genetic Interaction of tRNA-Dependent Mistranslation with Fused in Sarcoma Protein Aggregates
Notice bibliographique
Résumé
High-fidelity protein synthesis requires properly aminoacylated transfer RNAs (tRNAs), yet diverse cell types, from bacteria to humans, show a surprising ability to tolerate errors in translation resulting from mutations in tRNAs, aminoacyl-tRNA synthetases, and other components of protein synthesis. Recently, we characterized a tRNASerAGA G35A mutant (tRNASerAAA) that occurs in 2% of the human population. The mutant tRNA decodes phenylalanine codons with serine, inhibits protein synthesis, and is defective in protein and aggregate degradation. Here, we used cell culture models to test our hypothesis that tRNA-dependent mistranslation will exacerbate toxicity caused by amyotrophic lateral sclerosis (ALS)-associated protein aggregation. Relative to wild-type tRNA, we found cells expressing tRNASerAAA showed slower but effective aggregation of the fused in sarcoma (FUS) protein. Despite reduced levels in mistranslating cells, wild-type FUS aggregates showed similar toxicity in mistranslating cells and normal cells. The aggregation kinetics of the ALS-causative FUS R521C variant were distinct and more toxic in mistranslating cells, where rapid FUS aggregation caused cells to rupture. We observed synthetic toxicity in neuroblastoma cells co-expressing the mistranslating tRNA mutant and the ALS-causative FUS R521C variant. Our data demonstrate that a naturally occurring human tRNA variant enhances cellular toxicity associated with a known causative allele for neurodegenerative 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 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 ».