MétaCan
Menu
Retour à la cohorte
Enregistrement W2103113681 · doi:10.1074/mcp.r800012-mcp200

Metadegradomics

2008· review· en· W2103113681 sur OpenAlexaff
Alain Doucet, Georgina S. Butler, David Rodriáguez, Anna Prudova, Christopher M. Overall

Notice bibliographique

RevueMolecular & Cellular Proteomics · 2008
Typereview
Langueen
DomaineMedicine
ThématiquePeptidase Inhibition and Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésProteasesStable isotope labeling by amino acids in cell cultureProteaseProteomeProteomicsProteolysisComputational biologyQuantitative proteomicsBiologyBiochemistryChemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

Post-translational modifications enable extra layers of control of the proteome, and perhaps the most important is proteolysis, a major irreversible modification affecting every protein. The intersection of the protease web with a proteome sculpts that proteome, dynamically modifying its state and function. Protease expression is distorted in cancer, so perturbing signaling pathways and the secretome of the tumor and reactive stromal cells. Indeed many cancer biomarkers are stable proteolytic fragments. It is crucial to determine which proteases contribute to the pathology versus their roles in homeostasis and in mitigating cancer. Thus the full substrate repertoire of a protease, termed the substrate degradome, must be deciphered to define protease function and to identify drug targets. Degradomics has been used to identify many substrates of matrix metalloproteinases that are important proteases in cancer. Here we review recent degradomics technologies that allow for the broadly applicable identification and quantification of proteases (the protease degradome) and their activity state, substrates, and interactors. Quantitative proteomics using stable isotope labeling, such as ICAT, isobaric tags for relative and absolute quantification (iTRAQ), and stable isotope labeling by amino acids in cell culture (SILAC), can reveal protease substrates by taking advantage of the natural compartmentalization of membrane proteins that are shed into the extracellular space. Identifying the actual cleavage sites in a complex proteome relies on positional proteomics and utilizes selection strategies to enrich for protease-generated neo-N termini of proteins. In so doing, important functional information is generated. Finally protease substrates and interactors can be identified by interactomics based on affinity purification of protease complexes using exosite scanning and inactive catalytic domain capture strategies followed by mass spectrometry analysis. At the global level, the N terminome analysis of whole communities of proteases in tissues and organs in vivo provides a full scale understanding of the protease web and the web-sculpted proteome, so defining metadegradomics.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0020,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0210,011

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 Opus0,039
Tête enseignante GPT0,315
Écart entre enseignants0,275 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations144
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular & Cellular ProteomicsMême sujetPeptidase Inhibition and AnalysisTravaux en français237 207