MétaCan
Menu
← Retour à la cohorte
Enregistrement W4384698191 · doi:10.22215/etd/2023-15484

Splicing inhibition as a post-transcriptional stress

2023· dissertation· en· W4384698191 sur OpenAlexafffund
Erin Patricia van Zyl

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Research and Splicing
Établissements canadiensCarleton University
Organismes subventionnairesUniversity of Toronto
Mots-clésATF4RNA splicingBiologyTranscription (linguistics)Cell biologyMessenger RNAGene expressionMolecular biologyIntegrated stress responseCellular stress responseUnfolded protein responseRNAGeneGeneticsTranslation (biology)Fight-or-flight response

Résumé

récupéré en direct d'OpenAlex

Gene expression is a highly regulated process that is essential to produce diverse proteins and RNAs required for life.The transfer of genetic information from gene to protein involves many steps including transcription of DNA to pre-mRNA, pre-mRNA processing, mRNA export and translation.Errors in each of these processes can be detrimental.Damage to DNA and transcriptional stress lead to activation of well-characterized transcriptional responses.We investigated the cellular response to inhibitors of pre-mRNA splicing.We hypothesized that pre-mRNA splicing stress, like transcriptional stress, would lead to the activation of a transcriptional response.To induce splicing stress, we used isoginkgetin (IGG), a small molecule inhibitor of spliceosome assembly.We treated HCT116 cells with IGG and completed microarray analysis to identify differentially expressed transcripts induced by IGG.Pathway enrichment analysis identified three enriched pathways, two of which involved the ATF4 transcription factor.ATF4 is a component of integrated stress response (ISR), an adaptive stress response to multiple cellular stresses.We measured multiple characteristics of ISR activation including ATF4 and ATF4 dependent transcript activation and found that IGG activated ATF4 and ATF4 dependent transcripts.We used CRISPR cas9 gene editing to create an ATF4 deficient cell line and completed RNA sequencing (RNA-seq) comparing the transcriptional response of ATF4-deficient and parental cells to IGG, using thapsigargin (Tg) as a positive control for ATF4 activation.We found that the IGG response is almost entirely ATF4-dependent with only 8 of 76 differentially expressed transcripts responding similarly in parental and ATF4deficient cells while most of the ATF4-dependent transcripts were also responsive to Tg.Transcriptional and splicing stress are known to elicit cell cycle arrests.Therefore, we

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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,010
Tête enseignante GPT0,293
Écart entre enseignants0,283 · 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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetRNA Research and Splicing→Travaux en français237 207→