MétaCan
Menu
Retour à la cohorte
Enregistrement W4415243167 · doi:10.1101/2025.10.15.682570

Ubiquitination regulates granulostasis and DRiP accumulation in SGs under heat stress via the E3 ligase MKRN2

2025· preprint· en· W4415243167 sur OpenAlexfundno aff
Emmanuel Amzallag, Yehuda M. Danino, Valentina Secco, Serena Carra

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEnzyme Production and Characterization
Établissements canadiensnon disponible
Organismes subventionnairesRobert Packard Center for ALS Research, Johns Hopkins UniversityIsrael Science FoundationUnited States-Israel Binational Science FoundationWeizmann Institute of ScienceMinerva FoundationTarget ALSAssociazione Italiana Ricerca AlzheimerALS Society of CanadaMcGill UniversityMuscular Dystrophy AssociationALS AssociationJohns Hopkins UniversityAmerican Heart Association
Mots-clésUbiquitin ligaseUbiquitinUbiquitin-Protein LigasesRegulatorCytoplasmStress granuleHeat shock

Résumé

récupéré en direct d'OpenAlex

Abstract Stress granules (SGs) are transient cytoplasmic biomolecular condensates that play a role in the cellular response to proteotoxic stress. It has been previously shown that ubiquitination regulates SG dynamics; however, the specific mechanisms by which ubiquitin affects SGs are not fully understood. Here, using proximity proteomics, we discover that the engagement of several E3 ubiquitin ligases in SGs is dependent on UBA1 activity. A detailed study of the E3 ubiquitin-protein ligase Makorin 2 (MKRN2) demonstrated that it is localized to SGs in a manner dependent on active ubiquitination. MKRN2 promotes both the proper formation of SGs and their disassembly following stress recovery, by preventing the accumulation of defective ribosomal products (DRiPs) within SGs. Therefore, MKRN2 is a novel regulator of SGs that mediates the maintenance of granulostasis, suggesting that the localization of a subset of E3 ligases into SGs is linked to their capacity to ubiquitinate target proteins.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,161
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,013
Tête enseignante GPT0,244
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 tête enseignante, pas un consensus.

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 sujetEnzyme Production and CharacterizationTravaux en français237 207