MétaCan
Menu
← Retour à la cohorte
Enregistrement W4395697325 · doi:10.1016/j.bbrc.2024.150025

Gene-gene functional relationships in Alzheimer's disease: CELF1 regulates KLC1 alternative splicing

2024· article· en· W4395697325 sur OpenAlexafffund
Masataka Kikuchi, Justine Viet, Kenichi Nagata, Masahiro Sato, Géraldine David, Yann Audic, Michael Silverman, Mitsuko L. Yamamoto, Hiroyasu Akatsu, Yoshio Hashizume, Shuko Takeda, Shoshin Akamine, Tesshin Miyamoto, Ryota Uozumi, Shiho Gotoh, Kohji Mori, Manabu Ikeda, Luc Paillard, Takashi Morihara

Notice bibliographique

RevueBiochemical and Biophysical Research Communications · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Research and Splicing
Établissements canadiensSimon Fraser University
Organismes subventionnairesJapan Society for the Promotion of ScienceJapanese Brain Bank Network for Neuroscience ResearchSENSHIN Medical Research FoundationLigue Contre le CancerNatural Sciences and Engineering Research Council of CanadaJapan Agency for Medical Research and Development
Mots-clésImmunoprecipitationAlternative splicingExonRNA splicingGeneBiologyRNA-binding proteinTranscriptomeMessenger RNAGene expressionRNAGenetics

Résumé

récupéré en direct d'OpenAlex

The causes of Alzheimer's disease (AD) are poorly understood, although many genes are known to be involved in this pathology. To gain insights into the underlying molecular mechanisms, it is essential to identify the relationships between individual AD genes. Previous work has shown that the splice variant E of KLC1 (KLC1_vE) promotes AD, and that the CELF1 gene, which encodes an RNA-binding protein involved in splicing regulation, is at a risk locus for AD. Here, we identified a functional link between CELF1 and KLC1 in AD pathogenesis. Transcriptomic data from human samples from different ethnic groups revealed that CELF1 mRNA levels are low in AD brains, and the splicing pattern of KLC1 is strongly correlated with CELF1 expression levels. Specifically, KLC1_vE is negatively correlated with CELF1. Depletion and overexpression experiments in cultured cells demonstrated that the CELF1 protein down-regulates KLC1_vE. In a cross-linking and immunoprecipitation sequencing (CLIP-seq) database, CELF1 directly binds to KLC1 RNA, following which it likely modulates terminal exon usage, hence KLC1_vE formation. These findings reveal a new pathogenic pathway where a risk allele of CELF1 is associated with reduced CELF1 expression, which up-regulates KLC1_vE to promote AD.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

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)0,0010,000

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 Opus0,107
Tête enseignante GPT0,370
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'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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiochemical and Biophysical Research Communications→Même sujetRNA Research and Splicing→Travaux en français237 207→