MétaCan
Menu
← Retour à la cohorte
Enregistrement W4394553453 · doi:10.6084/m9.figshare.16750609.v1

Autophagy deficiency activates rDNA transcription

2021· dataset· en· W4394553453 sur OpenAlexaff
Yinfeng Xu, Yaosen Wu, Lei Wang, Lijiang Song, Hui Zhang, Chuying Qian, Qian Wang, Zhengfu He, Wei Wan

Notice bibliographique

RevueFigshare · 2021
Typedataset
Langueen
DomaineMedicine
ThématiqueAutophagy in Disease and Therapy
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAutophagyTranscription (linguistics)Transcription factorCell biologyChemistryBiologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Macroautophagy/autophagy, a highly conserved lysosome-dependent degradation pathway, has been intensively studied in regulating cell metabolism by degradation of intracellular components. In this study, we link autophagy to RNA metabolism by uncovering a regulatory role of autophagy in ribosomal RNA (rRNA) synthesis. Autophagy-deficient cells exhibit much higher 47S precursor rRNA level, which is caused by the accumulation of SQSTM1/p62 (sequestosome 1) but not other autophagy receptors. Mechanistically, SQSTM1 accumulation potentiates the activation of MTOR (mechanistic target of rapamycin kinase) complex 1 (MTORC1) signaling and promotes the assembly of RNA polymerase I pre-initiation complex at ribosomal DNA (rDNA) promoters, which leads to an increase of 47S rRNA transcribed from rDNA. Functionally, autophagy deficiency promotes protein synthesis, cell growth and cell proliferation, both of which are dependent on SQSTM1 accumulation. Taken together, our findings suggest that autophagy deficiency is involved in RNA metabolism by activating rDNA transcription and provide novel mechanisms for the reprogramming of cell metabolism in autophagy-related diseases including multiple types of cancers. Abbreviations: 5-FUrd: 5-fluorouridine; AMPK: AMP-activated protein kinase; ATG: autophagy related; CALCOCO2/NDP52: calcium binding and coiled-coil domain 2; ChIP: chromatin immunoprecipitation; MAP1LC3/LC3: microtubule associated protein 1 light chain 3; MAPK/ERK: mitogen-activated protein kinase; MTOR: mechanistic target of rapamycin kinase; NBR1: NBR1 autophagy cargo receptor; NFKB/NF-κB: nuclear factor kappa B; NFE2L2/NRF2: nuclear factor, erythroid 2 like 2; OPTN: optineurin; PIC: pre-initiation complex; POLR1: RNA polymerase I; POLR1A/RPA194: RNA polymerase I subunit A; POLR2A: RNA polymerase II subunit A; rDNA: ribosomal DNA; RPS6KB1/S6K1: ribosomal protein S6 kinase B1; rRNA: ribosomal RNA; RUBCN/Rubicon: rubicon autophagy regulator; SQSTM1/p62: sequestosome 1; STX17: syntaxin 17; SUnSET: surface sensing of translation; TAX1BP1: Tax1 binding protein 1; UBTF/UBF1: upstream binding transcription factor; WIPI2: WD repeat domain, phosphoinositide interacting 2; WT: wild-type.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0020,000

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 Opus0,037
Tête enseignante GPT0,300
Écart entre enseignants0,263 · 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
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshare→Même sujetAutophagy in Disease and Therapy→Travaux en français237 207→