Mistranslating the genetic code with leucine in yeast and mammalian cells
Notice bibliographique
Résumé
Translation fidelity relies on accurate aminoacylation of transfer RNAs (tRNAs) by aminoacyl-tRNA synthetases (AARSs). AARSs specific for alanine (Ala), leucine (Leu), serine, and pyrrolysine do not recognize the anticodon bases. Single nucleotide anticodon variants in their cognate tRNAs can lead to mistranslation. Human genomes include both rare and more common mistranslating tRNA variants. We investigated three rare human tRNALeu variants that mis-incorporate Leu at phenylalanine or tryptophan codons. Expression of each tRNALeu anticodon variant in neuroblastoma cells caused defects in fluorescent protein production without significantly increased cytotoxicity under normal conditions or in the context of proteasome inhibition. Using tRNA sequencing and mass spectrometry we confirmed that each tRNALeu variant was expressed and generated mistranslation with Leu. To probe the flexibility of the entire genetic code towards Leu mis-incorporation, we created 64 yeast strains to express all possible tRNALeu anticodon variants in a doxycycline-inducible system. While some variants showed mild or no growth defects, many anticodon variants, enriched with G/C at positions 35 and 36, including those replacing Leu for proline, arginine, alanine, or glycine, caused dramatic reductions in growth. Differential phenotypic defects were observed for tRNALeu mutants with synonymous anticodons and for different tRNALeu isoacceptors with the same anticodon. A comparison to tRNAAla anticodon variants demonstrates that Ala mis-incorporation is more tolerable than Leu at nearly every codon. The data show that the nature of the amino acid substitution, the tRNA gene, and the anticodon are each important factors that influence the ability of cells to tolerate mistranslating tRNAs.
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 ».