MétaCan
Menu
Retour à la cohorte
Enregistrement W4385758857 · doi:10.3390/epigenomes7030017

Ribosomal Biogenesis and Heterogeneity in Development, Disease, and Aging

2023· review· en· W4385758857 sur OpenAlexfundno aff
Rowshan Ara Islam, Charalampos Rallis

Notice bibliographique

RevueEpigenomes · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA modifications and cancer
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilBiotechnology and Biological Sciences Research CouncilDirectorate for Biological SciencesMedical Research Council CanadaRoyal Society
Mots-clésRibosome biogenesisBiologyRibosomal RNARibosomeRibosomal proteinBiogenesisComputational biologyRNATranslation (biology)GeneGeneticsEvolutionary biologyMessenger RNA

Résumé

récupéré en direct d'OpenAlex

Although reported in the literature, ribosome heterogeneity is a phenomenon whose extent and implications in cell and organismal biology is not fully appreciated. This has been the case due to the lack of the appropriate techniques and approaches. Heterogeneity can arise from alternative use and differential content of protein and RNA constituents, as well as from post-transcriptional and post-translational modifications. In the few examples we have, it is apparent that ribosomal heterogeneity offers an additional level and potential for gene expression regulation and might be a way towards tuning metabolism, stress, and growth programs to external and internal stimuli and needs. Here, we introduce ribosome biogenesis and discuss ribosomal heterogeneity in various reported occasions. We conclude that a systematic approach in multiple organisms will be needed to delineate this biological phenomenon and its contributions to growth, aging, and disease. Finally, we discuss ribosome mutations and their roles in 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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,060
Tête enseignante GPT0,339
Écart entre enseignants0,279 · 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

Citations17
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEpigenomesMême sujetRNA modifications and cancerTravaux en français237 207