Pattern associated modelling for discovery of novel protein motifs in the macrophage scavenger receptors (IRM5P.703)
Notice bibliographique
Résumé
Abstract Class A scavenger receptors, including scavenger receptor A and macrophage receptor with collagenous structure, are surface proteins that bind modified endogenous ligands and bacterial components. As these receptors play a key role in innate immunity, they are associated with a range of infectious diseases such as pneumonia. Thus, understanding the physical properties of these receptors will provide insight for the development of novel therapeutics. Macrophage receptor with collagenous structure is amongst the least well-characterized members of this family and is expressed in macrophages to mediate pathogen recognition. Our investigation addresses the development of an efficient and highly accurate bioinformatics technique through combinatorial usage of Aligned Pattern Clustering, and Multiple Sequence Alignment Pattern Retrieval Program for novel motif discovery in the macrophage scavenger receptor. By utilizing scavenger receptor A and its validated motifs as a model, we successfully validated the feasibility of this bioinformatics technique with a minimum sensitivity of 54% and positive predictive value of 60%. As a subsequent validation of the newly discovered motifs, the top sub-sequences of macrophage receptor with collagenous structure, selected by both programs, were analyzed for their biological functionality. Here, we propose that RGRAE, VFCRMLG, EDAGVE and WGTICDD motifs in the scavenger receptor cysteine-rich domain play an important role in pathogen recognition.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».