Revealing the hidden <scp>RBP</scp>–<scp>RNA</scp> interactions with <scp>RNA</scp> modification enzyme‐based strategies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle