MétaCan
Menu
Retour à la cohorte
Enregistrement W2067424615 · doi:10.1186/1752-0509-3-21

Protein evolution on a human signaling network

2009· article· en· W2067424615 sur OpenAlexaff
Qinghua Cui, Enrico O. Purisima, Edwin Wang

Notice bibliographique

RevueBMC Systems Biology · 2009
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBioinformatics and Genomic Networks
Établissements canadiensMcGill UniversityNational Research Council CanadaBiotechnology Research Institute
Organismes subventionnairesnon disponible
Mots-clésBiologySignaling proteinsSignal transductionSystems biologyComputational biologyCell biologyGenetics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The architectural structure of cellular networks provides a framework for innovations as well as constraints for protein evolution. This issue has previously been studied extensively by analyzing protein interaction networks. However, it is unclear how signaling networks influence and constrain protein evolution and conversely, how protein evolution modifies and shapes the functional consequences of signaling networks. In this study, we constructed a human signaling network containing more than 1,600 nodes and 5,000 links through manual curation of signaling pathways, and analyzed the dN/dS values of human-mouse orthologues on the network. RESULTS: We revealed that the protein dN/dS value decreases along the signal information flow from the extracellular space to nucleus. In the network, neighbor proteins tend to have similar dN/dS ratios, indicating neighbor proteins have similar evolutionary rates: co-fast or co-slow. However, different types of relationships (activating, inhibitory and neutral) between proteins have different effects on protein evolutionary rates, i.e., physically interacting protein pairs have the closest evolutionary rates. Furthermore, for directed shortest paths, the more distant two proteins are, the less chance they share similar evolutionary rates. However, such behavior was not observed for neutral shortest paths. Fast evolving signaling proteins have two modes of evolution: immunological proteins evolve more independently, while apoptotic proteins tend to form network components with other signaling proteins and share more similar evolutionary rates, possibly enhancing rapid information exchange between apoptotic and other signaling pathways. CONCLUSION: Major network constraints on protein evolution in protein interaction networks previously described have been found for signaling networks. We further uncovered how network characteristics affect the evolutionary and co-evolutionary behavior of proteins and how protein evolution can modify the existing functionalities of signaling networks. These new insights provide some general principles for understanding protein evolution in the context of signaling networks.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,019
Tête enseignante GPT0,260
Écart entre enseignants0,241 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations56
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Systems BiologyMême sujetBioinformatics and Genomic NetworksTravaux en français237 207