Anticodon sequence determines the impact of mistranslating tRNA <sup>Ala</sup> variants
Notice bibliographique
Résumé
Transfer RNAs (tRNAs) maintain translation fidelity through accurate charging by their cognate aminoacyl-tRNA synthetase and codon:anticodon base pairing with the mRNA at the ribosome. Mistranslation occurs when an amino acid not specified by the genetic message is incorporated into proteins and has applications in biotechnology, therapeutics and is relevant to disease. Since the alanyl-tRNA synthetase uniquely recognizes a G3:U70 base pair in tRNAAla and the anticodon plays no role in charging, tRNAAla variants with anticodon mutations have the potential to mis-incorporate alanine. Here, we characterize the impact of the 60 non-alanine tRNAAla anticodon variants on the growth of Saccharomyces cerevisiae. Overall, 36 tRNAAla anticodon variants decreased growth in single- or multi-copy. Mass spectrometry analysis of the cellular proteome revealed that 52 of 57 anticodon variants, not decoding alanine or stop codons, induced mistranslation when on single-copy plasmids. Variants with G/C-rich anticodons resulted in larger growth deficits than A/U-rich variants. In most instances, synonymous anticodon variants impact growth differently, with anticodons containing U at base 34 being the least impactful. For anticodons generating the same amino acid substitution, reduced growth generally correlated with the abundance of detected mistranslation events. Differences in decoding specificity, even between synonymous anticodons, resulted in each tRNAAla variant mistranslating unique sets of peptides and proteins. We suggest that these differences in decoding specificity are also important in determining the impact of tRNAAla anticodon variants.
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 ».