MétaCan
Menu
Retour à la cohorte
Enregistrement W2019309969 · doi:10.1039/c4an00998c

PI3 kinase enzymology on fluid lipid bilayers

2014· article· en· W2019309969 sur OpenAlexaff
Debjit Dutta, Abigail Pulsipher, Wei Luo, Muhammad N. Yousaf

Notice bibliographique

RevueThe Analyst · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueLipid Membrane Structure and Behavior
Établissements canadiensYork University
Organismes subventionnairesNational Science Foundation
Mots-clésLipid bilayerChemistryKinaseBiochemistryEnzymeBiophysicsMembraneBiology

Résumé

récupéré en direct d'OpenAlex

We report the use of fluid lipid bilayer membrane as a model platform to study the influence of the bilayer microenvironment and composition on the enzymology in membrane. As a model system we determined the enzyme kinetics on membranes for the transformation of bilayers containing phosphoinositol(4,5)-bisphosphate (PI(4,5)P2) to phosphoinositol(3,4,5)-trisphosphate (PI(3,4,5)P3) by the enzyme phosphoinositol-3-kinase (PI3K) using radiolabeled ATP. The activity of the enzyme was monitored as a function of the radioactivity incorporated within the bilayer. The transformation of PI(4,5)P2 to PI(3,4,5)P3 was determined using a mass strip assay. The fluidity of the bilayer was confirmed by Fluorescence Recovery After Photobleaching (FRAP) experiments. Kinetic simulations were performed based on Langmuir adsorption and Michaelis-Menton kinetics equations to generate the rate constants for the enzymatic reaction. The effect of cholesterol on the enzyme kinetics was studied by doping the bilayer with 1% cholesterol. This leads to significant reduction in reaction rate due to change in membrane microenvironment. This strategy provides a method to study the enzymology of various kinases and phosphatases occurring at the membrane and also how these reactions are affected by the membrane composition and surface microenvironment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,208
Score d'incertitude au seuil0,346

Scores Codex et Gemma par catégorie

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,241
Écart entre enseignants0,232 · 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 tête enseignante, 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

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe AnalystMême sujetLipid Membrane Structure and BehaviorTravaux en français237 207