MétaCan
Menu
Retour à la cohorte
Enregistrement W128683111 · doi:10.1007/978-1-61779-204-5_3

The Proprotein Convertases, 20 Years Later

2011· review· en· W128683111 sur OpenAlexafffund
Nabil G. Seidah

Notice bibliographique

RevueMethods in molecular biology · 2011
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEndoplasmic Reticulum Stress and Disease
Établissements canadiensMontreal Clinical Research Institute
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésProprotein ConvertasesComputational biologyBiologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

The proprotein convertases (PCs) are secretory mammalian serine proteinases related to bacterial subtilisin-like enzymes. The family of PCs comprises nine members, PC1/3, PC2, furin, PC4, PC5/6, PACE4, PC7, SKI-1/S1P, and PCSK9 (Fig. 3.1). While the first seven PCs cleave after single or paired basic residues, the last two cleave at non-basic residues and the last one PCSK9 only cleaves one substrate, itself, for its activation. The targets and substrates of these convertases are very varied covering many aspects of cellular biology and communication. While it took more than 22 years to begin to identify the first member in 1989-1990, in less than 14 years they were all characterized. So where are we 20 years later in 2011? We have now reached a level of maturity needed to begin to unravel the mechanisms behind the complex physiological functions of these PCs both in health and disease states. We are still far away from comprehensively understanding the various ramifications of their roles and to identify their physiological substrates unequivocally. How do these enzymes function in vivo? Are there other partners to be identified that would modulate their activity and/or cellular localization? Would non-toxic inhibitors/silencers of some PCs provide alternative therapies to control some pathologies and improve human health? Are there human SNPs or mutations in these PCs that correlate with disease, and can these help define the finesses of their functions and/or cellular sorting? The more we know about a given field, the more questions will arise, until we are convinced that we have cornered the important angles. And yet the future may well reserve for us many surprises that may allow new leaps in our understanding of the fascinating biology of these phylogenetically ancient eukaryotic proteases (Fig. 3.2) implicated in health and disease, which traffic through the cells via multiple sorting pathways (Fig. 3.3).

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)0,004
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,014
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,006
Communication savante0,0080,007
Science ouverte0,0010,003
Intégrité de la recherche0,0040,011
Charge utile insuffisante (le modèle a refusé de juger)0,0140,012

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 Opus0,030
Tête enseignante GPT0,398
Écart entre enseignants0,368 · 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

Citations167
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMethods in molecular biologyMême sujetEndoplasmic Reticulum Stress and DiseaseTravaux en français237 207