Dengue and Zika RNA-RNA interactomes reveal pro- and anti-viral RNA in human cells
Notice bibliographique
Résumé
BACKGROUND: Identifying host factors is key to understanding RNA virus pathogenicity. Besides proteins, RNAs can interact with virus genomes to impact replication. RESULTS: Here, we use proximity ligation sequencing to identify virus-host RNA interactions for four strains of Zika virus (ZIKV) and one strain of dengue virus (DENV-1) in human cells. We find hundreds of coding and non-coding RNAs that bind to DENV and ZIKV viruses. Host RNAs tend to bind to single-stranded regions along the virus genomes according to hybridization energetics. Compared to SARS-CoV-2 interactors, ZIKV-interacting host RNAs tend to be downregulated upon virus infection. Knockdown of several short non-coding RNAs, including miR19a-3p, and 7SK RNA results in a decrease in viral replication, suggesting that they act as virus-permissive factors. In addition, the 3'UTR of DYNLT1 mRNA acts as a virus-restrictive factor by binding to the conserved dumbbell region on DENV and ZIKV 3'UTR to decrease virus replication. We also identify a conserved set of host RNAs that interacts with DENV, ZIKV, and SARS-CoV-2, suggesting that these RNAs are broadly important for RNA virus infection. CONCLUSIONS: This study demonstrates that host RNAs can impact virus replication in permissive and restrictive ways, expanding our understanding of host factors and RNA-based gene regulation during viral pathogenesis.
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 ».