MétaCan
Menu
Retour à la cohorte
Enregistrement W1966123031 · doi:10.1002/pmic.200500230

A modified tandem affinity purification strategy identifies cofactors of the <b><i>Drosophila</i></b> nuclear receptor dHNF4

2006· article· en· W1966123031 sur OpenAlexaff
Ping Yang, Heidi M. Sampson, Henry M. Krause

Notice bibliographique

RevuePROTEOMICS · 2006
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHeat shock proteins research
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTandem affinity purificationCofactorBiologyBiochemistryFunction (biology)Nuclear receptorFLAG-tagDNA-binding proteinNuclear proteinGeneCell biologyAffinity chromatographyRecombinant DNATranscription factorFusion proteinEnzyme

Résumé

récupéré en direct d'OpenAlex

With the completion of numerous genome projects, new high-throughput methods are required to ascribe gene function and interactions. A method proven successful in yeast for protein interaction studies is tandem affinity purification (TAP) of native protein complexes followed by MS. Here, we show that TAP, using Protein A and CBP tags, is not generally suitable for the purification and identification of proteins from tissues. A head-to-head comparison of tags shows that two others, FLAG and His, provide protein yields from Drosophila tissues that are an order of magnitude higher than Protein A and CBP. FLAG-His purification worked sufficiently well so that two cofactors of the Drosophila nuclear receptor protein dHNF4 could be purified from whole animals. These proteins, Hsc70 and Hsp83, are important chaperones and cofactors of other nuclear receptor proteins. However, this is the first time that they have been shown to interact with a non-steroid binding nuclear receptor. We show that the two proteins increase the ability of dHNF4 to bind DNA in vitro and to function in vivo. The tags and approaches developed here will help facilitate the routine purification of proteins from complex cells, tissues and whole organisms.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,255
Écart entre enseignants0,236 · 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
GenreEmpirique

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

En bref

Citations43
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePROTEOMICSMême sujetHeat shock proteins researchTravaux en français237 207