Promotion of TLR7-MyD88-dependent inflammation and autoimmunity in mice through stem-loop changes in Lnc-Atg16l1
Notice bibliographique
Résumé
Uncontrolled TLR signaling can cause inflammatory immunopathology and trigger autoimmune diseases. For example, TLR7 promotes pathogenesis of systemic lupus erythematosus. However, whether RNA structural changes affect nucleic acids-sensing TLRs signaling and impact disease progression is unclear. Here by iCLIP-seq we identify a TLR7-binding long non-coding RNA, Lnc-Atg16l1, and find that it promotes TLR7 and other MyD88-dependent TLRs signaling in various types of immune cells. Depletion of Lnc-Atg16l1 attenuates development of TLR7-linked autoimmune phenotypes in the mouse SLE model. Mechanistically, we find that Lnc-Atg16l1 binds to TLR7 at bases near U84 and MyD88 at bases around A129. The analysis of Lnc-Atg16l1 in situ structures show that it strengthens the interaction between TIR domain of TLR7 and MyD88 through specific stem-loop structure changes as a molecular scaffold after TLR7 activation to promote TLR7 downstream signaling. Therefore, we discover a mechanism for host RNA regulation of innate signaling and autoimmune disease through its structural changes. These findings provide insights into the pro-inflammatory function of self RNA in a structure-dependent manner and suggest a potential target for TLR-related autoimmune disorders. TLR7 has been shown to promote inflammatory autoimmunity. Here the authors investigate whether changes in RNA structure affect TLR signaling and show that a TLR7 binding lncRNA Lnc-Atg16l1 promotes development of autoimmunity in the mouse SLE model through enhancement of TLR7-MyD88 interactions.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».