MétaCan
Menu
Retour à la cohorte
Enregistrement W1898065741 · doi:10.1002/0471140864.ps2908s75

Membrane Transport Piece by Piece: Production of Transmembrane Peptides for Structural and Functional Studies

2014· article· en· W1898065741 sur OpenAlexaff
Grant Kemp, Larry Fliegel, Howard S. Young

Notice bibliographique

RevueCurrent Protocols in Protein Science · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA and protein synthesis mechanisms
Établissements canadiensNational Institute for NanotechnologyUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTransmembrane proteinMembrane proteinFunction (biology)Computational biologyMembraneMembrane biophysicsMaltose-binding proteinBiologyFusion proteinCell biologyChemistryBiochemistryReceptorRecombinant DNA

Résumé

récupéré en direct d'OpenAlex

Membrane proteins are involved in all cellular processes from signaling cascades to nutrient uptake and waste disposal. Because of these essential functions, many membrane proteins are recognized as important, yet elusive, clinical targets. Recent advances in structural biology have answered many questions about how membrane proteins function, yet one of the major bottlenecks remains the ability to obtain sufficient quantities of pure and homogeneous protein. This is particularly true for human membrane proteins, where novel expression strategies and structural techniques are needed to better characterize their function and therapeutic potential. One way to approach this challenge is to determine the structure of smaller pieces of membrane proteins that can be assembled into models of the complete protein. This unit describes the rationale for working with single or multiple transmembrane segments and provides a description of strategies and methods to express and purify them for structural and functional studies using a maltose binding protein (MBP) fusion. The bulk of the unit outlines a detailed methodology and justification for producing these peptides under native-like conditions.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,006

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 Opus0,038
Tête enseignante GPT0,335
Écart entre enseignants0,297 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Protocols in Protein ScienceMême sujetRNA and protein synthesis mechanismsTravaux en français237 207