Teamwork of clustered low-affinity κB sites and accessory factors regulates transcriptional strength of NF-κB RelA dimers
Notice bibliographique
Résumé
Non-consensus binding sites of transcription factors (TFs) are often observed within the regulatory elements of genes; however, their effect on transcriptional strength is unclear. Within the promoters and enhancers of NF-κB-responsive genes, we identified clusters of non-consensus κB DNA sites, many exhibiting low affinity for NF-κB in vitro. Deletion of these sites demonstrated their collective critical role in transcription. We explored how these "weak" κB sites exert their influence, especially given the typically low nuclear concentrations of NF-κB. Using proteomics approaches, we identified additional nuclear factors, including other DNA-binding TFs, that could interact with κB site-bound NF-κB RelA. ChIP-seq and RNA-seq analyses suggest that these accessory TFs, referred to as the TF-cofactors of NF-κB, facilitate dynamic recruitment of NF-κB to the clustered weak κB sites. Overall, the occupancy of NF-κB at promoters and enhancers appears to be defined by a collective contribution from all κB sites, both weak and strong, in association with specific cofactors. This congregation of multiple factors within dynamic transcriptional complexes is likely a common feature of transcriptional programs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».