MétaCan
Menu
Retour à la cohorte
Enregistrement W2068107112 · doi:10.3389/fmicb.2012.00308

Activity based protein profiling to detect serine hydrolase alterations in virus infected cells

2012· article· en· W2068107112 sur OpenAlexaff
M Shahiduzzaman, Kevin M. Coombs

Notice bibliographique

RevueFrontiers in Microbiology · 2012
Typearticle
Langueen
DomaineChemistry
ThématiqueClick Chemistry and Applications
Établissements canadiensChildren's Hospital Research Institute of ManitobaUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésSerineBiologySerine hydrolaseVirusEnzymeImmune systemSerine Proteinase InhibitorsComputational biologySerine proteaseBiochemistryVirologyImmunologyProtease

Résumé

récupéré en direct d'OpenAlex

Activity-based protein profiling (ABPP) is a newly emerging technique that uses active site-directed probes to monitor the functional status of enzymes. Serine hydrolases are one of the largest families of enzymes in mammals. More than 200 serine hydrolases have been identified, but little is known about their specific roles. Serine hydrolases are involved in a variety of physiological functions, including digestion, immune response, blood coagulation, and reproduction. ABPP has been used recently to investigate host-virus interactions and to understand the molecular pathogenesis of virus infections. Monitoring the altered serine hydrolases during viral infection gives insight into the catalytic activity of these enzymes that will help to identify novel targets for diagnostic and therapeutic application. This review presents the usefulness of ABPP in detecting and analyzing functional annotation of host cell serine hydrolases as a result of host-virus interaction.

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 enseignants0,009
Score d'incertitude au seuil0,788

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 Opus0,009
Tête enseignante GPT0,237
Écart entre enseignants0,228 · 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

Citations15
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MicrobiologyMême sujetClick Chemistry and ApplicationsTravaux en français237 207