Rôle de l'acétylation du facteur de transcription IRF3
Bibliographic record
Abstract
L’immunité innée est notre premier mécanisme de défense contre l’invasion des\npathogènes. Cette défense est basée sur la reconnaissance d’éléments invariables\ndes pathogènes par des récepteurs encodés dans les lignées germinales. Dans la\nréponse anti-virale, le facteur de transcription Interferon Regulatory Factor 3\n(IRF3) joue un rôle clé dans la réponse interféron de type I, combattant ainsi la\nréplication virale et conférant un état anti-viral aux cellules infectées ainsi qu’aux\ncellules avoisinantes. IRF3 est une protéine dont l’activation et la\nphosphorylation sont régulées par les kinases TBK1 et IKKi. Nous proposons ici\nque l’acétylation est une modification post-traductionnelle importante dans la\nrégulation de l’activité d’IRF3. Nous avons observé par immunobuvardage\nqu’IRF3 est acétylé de façon basale et que cette acétylation est induite par la\nprésence du co-facteur CBP et est inhibée par la présence de la kinase TBK1. Par\nspectrométrie de masse, nous avons ensuite identifié huit lysines sujettes à\nl’acétylation sur IRF3. Aussi, par mutagénèse dirigée, nous avons muté de façon\nponctuelle chacun de ces sites et avons déterminé que la mutation de la lysine 87\ninhibe la capacité d’IRF3 à s’attacher à l’ADN en EMSA et à transactiver son\nélément de réponse en essai luciférase. Aussi, nous proposons que l’acétylation\nmasque la charge positive de la lysine 87 et contrôle de façon négative l’activité\ndu facteur de transcription IRF3. Notre groupe démontre ainsi pour la première\nfois l’acétylation du facteur de transcription dans un modèle cellulaire et propose\nque ce processus joue un rôle inhibiteur dans la régulation de la protéine.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".