MétaCan
Menu
Retour à la cohorte
Enregistrement W4412491112 · doi:10.1371/journal.ppat.1013347

Profiling miRNA changes in Epstein-Barr virus lytic infection identifies a function for BZLF1 in upregulating miRNAs from the DLK1-DIO3 locus

2025· article· en· W4412491112 sur OpenAlexafffund
Ashley M. Campbell, Beata Cohan, Lori Frappier

Notice bibliographique

RevuePLoS Pathogens · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueViral-associated cancers and disorders
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésBZLF1microRNALytic cycleBiologyLocus (genetics)Epstein–Barr virusVirologyVirusGeneticsGeneHerpesviridaeViral disease

Résumé

récupéré en direct d'OpenAlex

Cellular and viral miRNAs are thought to play important roles in regulating Epstein-Barr virus (EBV) latent and lytic infections, however, to date, most studies have focussed on latent infections in B cells. To determine how cellular and viral miRNAs contribute to EBV lytic infection in epithelial cells, the main sites of lytic infection, we conducted miRNA-sequencing experiments in EBV-infected AGS gastric carcinoma cells, before and after reactivation to the lytic cycle, analysing both total miRNA and Ago2-associated miRNAs. We identified over 100 miRNAs whose association with Ago2 was affected upon EBV reactivation, most of which were due to changes in miRNA abundance. For EBV miRNAs, the most striking result was that the BHRF1 miRNAs, previously only reported to be expressed in B cells, were upregulated upon reactivation. The largest changes in cellular miRNAs upon EBV reactivation were increases in the abundance and Ago2-association of miR-409-3p, miR-381-3p and miR-370-3p, which appear to have pro-viral effects. In particular, inhibiting miR-409-3p reduced BZLF1 and other EBV lytic protein expression, at least in part through modulation of ZEB1. Interestingly, these miRNAs all originate from the DLK1-DIO3 locus (14q32.2 - 32.31), which encodes multiple lncRNAs. We showed that the lncRNAs MEG9, MIR381HG, and MEG8, from which miR-409-3p, miR-381-3p and miR-370-3p are derived, were also upregulated upon reactivation in AGS and nasopharyngeal carcinoma cells lines and occurred very early in the lytic cycle at the time of BZLF1 expression. In keeping with this timing, BZLF1 was sufficient to induce these lncRNAs dependent on its transactivation activity, and was detected at a key DLK1-DIO3 control element, consistent with a direct role in transcriptional activation. Therefore, we have identified a new role for BZFL1 in activating the expression of lncRNAs in the DLK1-DIO3 locus, resulting in induction of a subset of encoded miRNAs that promote lytic infection.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,363
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,023
Tête enseignante GPT0,270
Écart entre enseignants0,247 · 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'étudeObservationnel
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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS PathogensMême sujetViral-associated cancers and disordersTravaux en français237 207