Helicases in R-loop Formation and Resolution
Notice bibliographique
Résumé
With the development and wide usage of CRISPR technology, the presence of R-loop structures, which consist of an RNA-DNA hybrid and a displaced single-strand (ss) DNA, has become well accepted. R-loop structures have been implicated in a variety of circumstances and play critical roles in the metabolism of nucleic acid and relevant biological processes, including transcription, DNA repair, and telomere maintenance. Helicases are enzymes that use an ATP-driven motor force to unwind double-strand (ds) DNA, dsRNA, or RNA-DNA hybrids. Additionally, certain helicases have strand-annealing activity. Thus, helicases possess unique positions for R-loop biogenesis: they utilize their strand-annealing activity to promote the hybridization of RNA to DNA, leading to the formation of R-loops; conversely, they utilize their unwinding activity to separate RNA-DNA hybrids and resolve R-loops. Indeed, numerous helicases such as senataxin (SETX), Aquarius (AQR), WRN, BLM, RTEL1, PIF1, FANCM, ATRX (alpha-thalassemia/mental retardation, X-linked), CasDinG, and several DEAD/H-box proteins are reported to resolve R-loops; while other helicases, such as Cas3 and UPF1, are reported to stimulate R-loop formation. Moreover, helicases like DDX1, DDX17, and DHX9 have been identified in both R-loop formation and resolution. In this review, we will summarize the latest understandings regarding the roles of helicases in R-loop metabolism. Additionally, we will highlight challenges associated with drug discovery in the context of targeting these R-loop helicases.
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) | 0,001 | 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 | 0,001 | 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 ».