MétaCan
Menu
Retour à la cohorte
Enregistrement W4401390836 · doi:10.26508/lsa.202402755

PPM1G dephosphorylates eIF4E in control of mRNA translation and cell proliferation

2024· article· en· W4401390836 sur OpenAlexafffund
Peng Wang, Zixian Li, Sung‐Hoon Kim, Haijin Xu, Hao Huang, chutong yang, A. M. Snape, Jung‐Hyun Choi, Sara Bermudez, Marie‐Noëlle Boivin, Nicolas Ferry, Jason Karamchandani, Bhushan Nagar, Nahum Sonenberg

Notice bibliographique

RevueLife Science Alliance · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePI3K/AKT/mTOR signaling in cancer
Établissements canadiensMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchCancer Research SocietyMcGill University
Mots-clésEIF4EMessenger RNATranslation (biology)PhosphorylationEukaryotic translationEIF4A1Initiation factorCell biologyEukaryotic translation initiation factor 4 gammaPhosphataseKinaseEukaryotic initiation factorBiologyBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

The mRNA 5'cap-binding eukaryotic translation initiation factor 4E (eIF4E) plays a critical role in the control of mRNA translation in health and disease. One mechanism of regulation of eIF4E activity is via phosphorylation of eIF4E by MNK kinases, which promotes the translation of a subset of mRNAs encoding pro-tumorigenic proteins. Work on eIF4E phosphatases has been paltry. Here, we show that PPM1G is the phosphatase that dephosphorylates eIF4E. We describe the eIF4E-binding motif in PPM1G that is similar to 4E-binding proteins (4E-BPs). We demonstrate that PPM1G inhibits cell proliferation by targeting phospho-eIF4E-dependent mRNA translation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,026
Score d'incertitude au seuil0,303

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,011
Tête enseignante GPT0,260
Écart entre enseignants0,249 · 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 tête enseignante, 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 revueLife Science AllianceMême sujetPI3K/AKT/mTOR signaling in cancerTravaux en français237 207