MétaCan
Menu
Retour à la cohorte
Enregistrement W4413099684 · doi:10.1002/bies.70054

Defective Ribosome Recycling: A Bridge Between Translation Fidelity, Organelle Dysfunction, and Diseases

2025· review· en· W4413099684 sur OpenAlexfundno aff
Foozhan Tahmasebinia, Zhihao Wu

Notice bibliographique

RevueBioEssays · 2025
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA and protein synthesis mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of General Medical SciencesMcMaster Institute for Research on Aging, McMaster University
Mots-clésRibosome biogenesisTranslation (biology)RibosomeOrganelleBiologyCell biologyRibosome profilingOrganelle biogenesisBiogenesisComputational biologyGeneticsMessenger RNARNAGene

Résumé

récupéré en direct d'OpenAlex

Ribosome recycling is a fundamental biological process crucial for cellular health. Defective recycling disrupts ribosome biogenesis and organelle function, particularly in mitochondria, contributing to ribosomopathies, neurodegenerative diseases, and cancer. While not directly linked to human diseases via known genetic mutations, emerging evidence suggests a critical interplay between ribosome recycling and organelle quality control. Impaired ribosome recycling leads to aberrant ribosome production, compromised translational quality control, protein misfolding, and subsequent organelle dysfunction and cellular stress. These cascading defects underscore the critical need for effective ribosome reutilization, especially under stress, as disruptions can cause translational arrest and heightened stress signaling, perturbing cellular homeostasis. Our analyses establish an indirect but significant link between ribosome recycling and human disease, offering new perspectives on how translational fidelity and organelle maintenance converge to support cellular well-being.

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 enseignants0,005
Score d'incertitude au seuil0,016

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
Bibliométrie0,0020,002
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)0,0050,004

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 Opus0,048
Tête enseignante GPT0,320
Écart entre enseignants0,272 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioEssaysMême sujetRNA and protein synthesis mechanismsTravaux en français237 207