MétaCan
Menu
Retour à la cohorte
Enregistrement W4390002711 · doi:10.1002/cbic.202300784

Identification of glycosylated nucleosides in small synthetic glyco‐RNAs

2023· article· en· W4390002711 sur OpenAlexaff
Frank St. Michael, M. Ben Hamouda, Jacek Stupak, Jianjun Li, Angela Pearson, Janelle Sauvageau

Notice bibliographique

RevueChemBioChem · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA modifications and cancer
Établissements canadiensInstitut National de la Recherche ScientifiqueNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésIdentification (biology)ChemistryComputational biologyBiochemistryGlycosylationCombinatorial chemistryBiology

Résumé

récupéré en direct d'OpenAlex

Recently, the post-transcriptional modification of RNA with N-glycans was reported, changing the paradigm that RNAs are not commonly N-glycosylated. Moreover, glycan modifications of RNA are investigated for therapeutic targeting purposes. But the glyco-RNA field is in its infancy with many challenges to overcome. One question is how to accurately characterize glycosylated RNA constructs. Thus, we generated glycosylated forms of Y5 RNA mimics, a short non-coding RNA. The simple glycans lactose and sialyllactose were attached to the RNA backbone using azide-alkyne cycloadditions. Using nuclease digestion followed by LC-MS, we confirmed the presence of the glycosylated nucleosides, and characterized the chemical linkage. Next, we probed if glycosylation would affect the cellular response to Y5 RNA. We treated human foreskin fibroblasts in culture with the generated compounds. Key transcripts in the innate immune response were quantified by RT-qPCR. We found that under our experimental conditions, exposure of cells to the Y5 RNA did not trigger an interferon response, and glycosylation of this RNA did not have an impact. Thus, we have identified a successful approach to chemically characterize synthetic glyco-RNAs, which will be critical for further studies to elucidate how the presence of complex glycans on RNA affects the cellular response.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,008
Score d'incertitude au seuil0,430

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,250
Écart entre enseignants0,236 · 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 tête enseignante, 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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemBioChemMême sujetRNA modifications and cancerTravaux en français237 207