MétaCan
Menu
Retour à la cohorte
Enregistrement W2026433986 · doi:10.1371/journal.pcbi.0020096

Circadian Rhythmicity by Autocatalysis

2006· article· en· W2026433986 sur OpenAlexfundno aff
Arun Mehra, Christian I. Hong, Mi Shi, Jennifer Loros, Jay Dunlap, Peter Ruoff

Notice bibliographique

RevuePLoS Computational Biology · 2006
Typearticle
Langueen
DomaineNeuroscience
ThématiqueCircadian rhythm and melatonin
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of General Medical SciencesNational Institute of Mental HealthCanadian Institutes of Health ResearchKorea Agency for Infrastructure Technology AdvancementDartmouth CollegeNorris Cotton Cancer CenterNational Science FoundationNational Institutes of HealthUniversitetet i Stavanger
Mots-clésCircadian rhythmAutocatalysisBacterial circadian rhythmsCircadian clockDephosphorylationBiologyPhosphorylationBiophysicsPeriod (music)ChronobiologyCell biologyChemistryBiochemistryNeurosciencePhosphatasePhysics

Résumé

récupéré en direct d'OpenAlex

The temperature compensated in vitro oscillation of cyanobacterial KaiC phosphorylation, the first example of a thermodynamically closed system showing circadian rhythmicity, only involves the three Kai proteins (KaiA, KaiB, and KaiC) and ATP. In this paper, we describe a model in which the KaiA- and KaiB-assisted autocatalytic phosphorylation and dephosphorylation of KaiC are the source for circadian rhythmicity. This model, based upon autocatalysis instead of transcription-translation negative feedback, shows temperature-compensated circadian limit-cycle oscillations with KaiC phosphorylation profiles and has period lengths and rate constant values that are consistent with experimental observations.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,464
Score d'incertitude au seuil0,806

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)0,0000,001

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 Opus0,018
Tête enseignante GPT0,242
Écart entre enseignants0,224 · 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

Citations66
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS Computational BiologyMême sujetCircadian rhythm and melatoninTravaux en français237 207