MétaCan
Menu
← Retour à la cohorte
Enregistrement W4411115954 · doi:10.1101/2025.06.03.657213

DNA Partitioning Modulates Liquid-to-Solid Transitions and the Internal Microstructure of FUS Condensates

2025· preprint· en· W4411115954 sur OpenAlexaff
Dea Prianka Ayu Ilhamsyah, Clement Luong, Seema Qamar, Peter St George‐Hyslop, Joel P. Mackay, Lining Arnold Ju, Tuomas P. J. Knowles, Daniele Vigolo, Yi Shen

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Research and Splicing
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMicrostructureDNAChemistryMaterials scienceChemical engineeringChemical physicsBiophysicsCrystallographyBiochemistryBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Protein liquid-liquid phase separation has recently been recognized as an essential process involved in cellular functions, including transcription, translation, and DNA damage repair. However, a further liquid-to-solid transition (LST) of condensates due to mutation or external stimuli can result in aggregation, sometimes pathological. The unique ability of protein condensates to concentrate and sequester biomolecules is at the heart of the regulatory mechanism, controlling the dynamics and function of the condensates. While the recruitment of essential biomolecules, such as RNA has been studied to have the impact to the condensate formation, how DNA partition can affect the phase behaviour and dynamics of protein condensates is not fully elucidated. In this study, we investigate both the short-term and long-term kinetics of double-stranded DNA partitioning into preformed fresh and aged FUS protein condensates. Confocal imaging shows that DNA partition follows the core-shell diffusion pattern within the condensates. LST slows down and reduces FUS condensates’ ability to recruit DNA but stabilizes the DNA-FUS condensate complex due to the heterogeneous solid network formation. Using the optical technique of Spatial Dynamic Mapping (SDM), we find that DNA partition promotes coalescence and alters the characteristics of the condensates. The partition made the condensates more dynamic in the short term (within minutes) but accelerated LST in long-term incubation (within hours), ultimately leading to an irreversible porous core-shell structure of FUS condensates. Our findings reveal the kinetics of DNA partition during aging and its impact on LST, underlining the modulation of condensate properties by molecule sequestration, shedding light on possible regulation of disease-related LST of biomolecular condensates.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,238
Écart entre enseignants0,231 · 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'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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetRNA Research and Splicing→Travaux en français237 207→