Revealing the hidden <scp>RBP</scp>–<scp>RNA</scp> interactions with <scp>RNA</scp> modification enzyme‐based strategies
Notice bibliographique
Résumé
RNA-binding proteins (RBPs) are powerful and versatile regulators in living creatures, playing fundamental roles in organismal development, metabolism, and various diseases by the regulation of gene expression at multiple levels. The requirements of deep research on RBP function have promoted the rapid development of RBP-RNA interplay detection methods. Recently, the detection method of fusing RNA modification enzymes (RME) with RBP of interest has become a hot topic. Here, we reviewed RNA modification enzymes in adenosine deaminases that act on RNA (ADAR), terminal nucleotidyl transferase (TENT), and activation-induced cytosine deaminase/ApoB mRNA editing enzyme catalytic polypeptide-like (AID/APOBEC) protein family, regarding the biological function, biochemical activity, and substrate specificity originated from enzyme selves, their domains and partner proteins. In addition, we discussed the RME activity screening system, and the RME mutations with engineered enzyme activity. Furthermore, we provided a systematic overview of the basic principles, advantages, disadvantages, and applications of the RME-based and cross-linking and immunopurification (CLIP)-based RBP target profiling strategies, including targets of RNA-binding proteins identified by editing (TRIBE), RNA tagging, surveying targets by APOBEC-mediated profiling (STAMP), CLIP-seq, and their derivative technology. This article is categorized under: RNA Interactions with Proteins and Other Molecules > Protein-RNA Recognition RNA Processing > RNA Editing and Modification.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».