MétaCan
Menu
Retour à la cohorte
Enregistrement W2104876332 · doi:10.1093/molbev/msr137

Evolution of the TIR Domain-Containing Adaptors in Humans: Swinging between Constraint and Adaptation

2011· article· en· W2104876332 sur OpenAlexaff
Simona Fornarino, Guillaume Laval, Luis B. Barreiro, Jérémy Manry, E. Vasseur, Lluís Quintana‐Murci

Notice bibliographique

RevueMolecular Biology and Evolution · 2011
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune Response and Inflammation
Établissements canadiensUniversité de Montréal
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésBiologyTRIFSignal transducing adaptor proteinInnate immune systemReceptorToll-like receptorPopulationGeneticsCell biology

Résumé

récupéré en direct d'OpenAlex

Natural selection is expected to act strongly on immune system genes as hosts adapt to novel, diverse, and coevolving pathogens. Population genetic studies of host defense genes with parallel functions in model organisms have revealed distinct evolutionary histories among the different components-receptors, adaptors, and effectors-of the innate immune system. In humans, however, detailed evolutionary studies have been mainly confined to the receptors and in particular to Toll-like receptors (TLRs). By virtue of a toll/interleukin-1 receptor (TIR) domain, TLRs activate distinct signaling pathways, which are mediated by the five TIR-containing adaptors: myeloid differentiation factor-88 (MyD88), myeloid differentiation factor-88 adaptor-like protein (MAL), toll/interleukin-1 receptor domain-containing adaptor protein inducing interferon (IFN)β (TRIF), toll/interleukin-1 receptor domain-containing adaptor protein inducing IFNβ-related adaptor molecule (TRAM), and sterile α- and armadillo motif-containing protein (SARM). Here, we have examined the extent to which natural selection has affected immune adaptors in humans, using as a paradigm the TIR-containing adaptors. To do so, we characterized their levels of naturally occurring genetic variation in various human populations. We found that MyD88 and TRIF have mainly evolved under purifying selection, suggesting that their role in the early stages of signal transduction is essential and nonredundant for host survival. In addition, the adaptors have been targeted by multiple episodes of positive selection, differing in timing and spatial location. MyD88 and SARM display signatures of a selective sweep that has occurred in all humans, whereas for the other three adaptors, we detected signatures of adaptive evolution that are restricted to specific populations. Our study provides evidence that the contemporary diversity of the five TIR-containing adaptors results from the intermingling of different selective events, swinging between constraint and adaptation.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,665
Score d'incertitude au seuil0,342

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 Opus0,014
Tête enseignante GPT0,226
Écart entre enseignants0,212 · 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'étudeObservationnel
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

Citations47
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Biology and EvolutionMême sujetImmune Response and InflammationTravaux en français237 207