The yeast kinome displays scale free topology with functional hub clusters
Notice bibliographique
Résumé
BACKGROUND: The availability of interaction databases provides an opportunity for researchers to utilize immense amounts of data exclusively in silico. Recently there has been an emphasis on studying the global properties of biological interactions using network analysis. While this type of analysis offers a wide variety of global insights it has surprisingly not been used to examine more localized interactions based on mechanism. In as such we have particular interest in the role of key topological components in signal transduction cascades as they are vital regulators of healthy and diseased cell states. RESULTS: We have used publicly available databases and a novel software tool termed Hubview to model the interactions of a subset of the yeast interactome, specifically protein kinases and their interaction partners. Analysis of the connectivity distribution has inferred a fat-tailed degree distribution with parameters consistent with those found in other biological networks. In addition, Hubview identified a functional clustering of a large group of kinases, distributed between three separate groupings. The complexity and average degree for each of these clusters is indicative of a specialized function (cell cycle propagation, DNA repair and pheromone response) and relative age for each cluster. CONCLUSION: Using connectivity analysis on a functional subset of proteins we have evidence that reinforces the scale free topology as a model for protein network evolution. We have identified the hub components of the kinase network and observed a tendency for these kinases to cluster together on a functional basis. As such, these results suggest an inherent trend to preserve scale free characteristics at a domain based modular level within large evolvable networks.
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 | 0,000 | 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 | 0,000 |
| 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 ».