Affinity-Based Proteomics Probes; Tools for Studying Carbohydrate-Processing Enzymes
Notice bibliographique
Résumé
As more information becomes available through the efforts of high-throughput screens, there is increasing pressure on the three main ‘omic’ fields, genomics, proteomics, and metabolomics, to organize this material into useful libraries that enable further understanding of biological systems. Proteomics especially is faced with two highly challenging tasks. The first is assigning the activity of thousands of putative proteins, the existence of which has been suggested by genomics studies. The second is to serve as a link between genomics and metabolomics by demonstrating which enzymes play roles in specific metabolic pathways. Underscoring these challenges in one area are the thousands of putative carbohydrate-processing enzymes that have been bioinformatically identified, mostly in prokaryotes, but that have unknown or unverified activities. Using two brief examples, we illustrate how biochemical pathways within bacteria that involve carbohydrate-processing enzymes present interesting potential antimicrobial targets, offering a clear motivation for gaining a functional understanding of biological proteomes. One method for studying proteomes that has been developed recently is to use synthetic compounds termed activity-based proteomics probes. Activity-based proteomic profiling using such probes facilitates rapid identification of enzyme activities within proteomes and assignment of function to putative enzymes. Here we discuss the general design principles for these probes with particular reference to carbohydrate-processing enzymes and give an example of using such a probe for the profiling of a bacterial proteome.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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 ».