MétaCan
Menu
Retour à la cohorte
Enregistrement W4403513514 · doi:10.1016/j.gde.2024.102270

Emerging interactions between RNA methylation and chromatin architecture

2024· review· en· W4403513514 sur OpenAlexafffund
Amber Louwagie, Ly Vu

Notice bibliographique

RevueCurrent Opinion in Genetics & Development · 2024
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA modifications and cancer
Établissements canadiensSpinal Cord Injury BCTerry Fox Research Institute
Organismes subventionnairesMichael Smith Health Research BCTerry Fox Research InstituteCanadian Institutes of Health ResearchLeukemia and Lymphoma SocietyAmerican Society of HematologyV Foundation for Cancer Research
Mots-clésBiologyChromatinComputational biologyRNADNA methylationMethylationEvolutionary biologyGeneticsDNAGene expressionGene

Résumé

récupéré en direct d'OpenAlex

Epitranscriptomics, the study of chemical modifications of RNA molecules, is increasingly recognized as an important component of gene expression regulation. While the majority of research has focused on N 6 -methyladenosine (m 6 A) RNA methylation on mRNAs, emerging evidence has revealed that the m 6 A modification extends beyond mRNAs to include chromatin-associated RNAs (caRNAs). CaRNAs constitute an important class of RNAs characterized by their interaction with the genome and epigenome. These features allow caRNAs to be actively involved in shaping genome organization. In this review, we bring into focus recent findings of the dynamic interactions between caRNAs and chromatin architecture and how RNA methylation impacts caRNAs’ function in this interplay. We highlight several enabling techniques, which were critical for genome-wide profiling of caRNAs and their modifications. Given the nascent stage of the field, we emphasize on the need to address critical gaps in study of these modifications in more relevant biological systems. Overall, these exciting progress have expanded the scope and reach of epitranscriptomics, unveiling new mechanisms that underpin the control of gene expression and cellular phenotypes, with potential therapeutic implications.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,080
Tête enseignante GPT0,413
Écart entre enseignants0,332 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Genetics & DevelopmentMême sujetRNA modifications and cancerTravaux en français237 207