A structural basis for interferon‐α‐receptor interactions
Notice bibliographique
Résumé
Interferon (IFN)-alpha subtypes exhibit differences in biological potencies based on their affinity interactions with the IFN receptor subunits, IFNAR1 and IFNAR2. Using available three-dimensional structural information and computational biology, homology models of human IFN-alpha1, human IFN-alpha8, IFN alfacon-1, and murine IFN-alpha4 were derived and docked with the extracellular region of human IFNAR2 to evaluate the behavior of potential interacting residue pairs and characterize the nature of the IFN-IFNAR2 binding interfaces. The data suggest that IFN afacon-1 has 9 optimal interactions with IFNAR2, comprising hydrophobic, electrostatic, and hydrogen bonding. Human IFN-alpha2 exhibits 8 optimal interactions, human IFN-alpha1, 7, and murine IFN-alpha4 exhibits the least number of optimal interactions, at 5. A model of IFNAR1 was generated, taking into consideration the IFNAR1 extracellular domain interaction with cell surface glycosphingolipids, putative ligand interaction residues, and residues stabilizing the structural integrity of IFNAR. IFNAR1 was then docked with the various IFN-IFNAR2 complexes to describe the complete extracellular receptor pocket with bound IFN. These data provide insights into the species specificity of IFN-alphas: residues in murine IFN-alpha4 that preclude strong affinity interactions with human IFNAR because of steric crowding and residues in human IFN-alpha8 that resemble a receptor interactive domain in murine IFN-alpha4, are described.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 tête enseignante, 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 ».