MétaCan
Menu
Retour à la cohorte
Enregistrement W2067237567 · doi:10.1101/gr.6667007

Examining protein–protein interactions using endogenously tagged yeast arrays: The Cross-and-Capture system

2007· article· en· W2067237567 sur OpenAlexafffund
Bernhard Suter, Michael J. Fetchko, Ralph Imhof, Christopher I. Graham, Ingrid Stoffel-Studer, Caroline Zbinden, Maanasa Raghavan, Lianet Lopez, Lucija Beneti, Jacqueline Hort, Jeffrey Fillingham, Jack Greenblatt, Guri Giaever, Corey Nislow, Igor Štagljar

Notice bibliographique

RevueGenome Research · 2007
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBioinformatics and Genomic Networks
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Cancer InstituteGenentechCanadian Institutes of Health ResearchGenome CanadaGebert Rüf StiftungOntario GenomicsOntario Genomics Institute
Mots-clésBiologyYeastComputational biologyProtein–protein interactionProtein-fragment complementation assaySaccharomyces cerevisiaeFunction (biology)GeneticsDNATwo-hybrid screeningProtein functionGenePhenotype

Résumé

récupéré en direct d'OpenAlex

Comprehensive approaches to detect protein-protein interactions (PPIs) have been most successful in the yeast model system. Here we present "Cross-and-Capture," a novel assay for rapid, sensitive assessment of PPIs via pulldown of differently tagged yeast strain arrays. About 500 yeast genes that function in DNA replication, repair, and recombination and nuclear proteins of unknown function were chromosomally tagged with six histidine residues or triple VSV epitopes. We demonstrate that the assay can interrogate a wide range of previously known protein complexes with increased resolution and sensitivity. Furthermore, we use "Cross-and-Capture" to identify two novel protein complexes: Rtt101p-Mms1p and Sae2p-Mre11p. The Rtt101p-Mms1p interaction was subsequently characterized by genetic and functional analyses. Our studies establish the "Cross-and-Capture" assay as a novel, versatile tool that provides a valuable complement for the next generation of yeast proteomic studies.

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)0,003
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 enseignants0,398
Score d'incertitude au seuil0,541

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,081
Tête enseignante GPT0,342
Écart entre enseignants0,261 · 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

Citations28
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGenome ResearchMême sujetBioinformatics and Genomic NetworksTravaux en français237 207