MétaCan
Menu
Retour à la cohorte
Enregistrement W2106720816 · doi:10.1002/prot.24795

Complete characterization of the mutation landscape reveals the effect on amylin stability and amyloidogenicity

2015· article· en· W2106720816 sur OpenAlexafffund
Mohamed Raef Smaoui, Jérôme Waldispühl

Notice bibliographique

RevueProteins Structure Function and Bioinformatics · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Structure and Dynamics
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésAmylinPoint mutationIn silicoMutationEnergy landscapeChemistryPeptideComputational biologyAmino acidMutantBiochemistryGeneticsBiologyInsulinGeneEndocrinology

Résumé

récupéré en direct d'OpenAlex

Type-II diabetes is believed to be partially aggravated by the emergence of toxic amylin protein deposits in the extracellular space of the pancreas β-cells. Amylin, the regulatory hormone that is co-secreted with insulin, has been observed to misfold into toxic structures. Pramlintide, an FDA approved injectable amylin analog mutated at positions 25, 28, and 29 was therefore developed to create a more stable, soluble, less-aggregating, and equipotent peptide that is used as an adjunctive therapy for diabetes. However, because Pramlintide is not ideal, researchers have been exploring other amylin analogs as therapeutic replacements. In this work, we assist the finding of optimal analogs by computationally revealing the mutational landscape of amylin. We computed the structure energies of all possible single-point mutations and studied the effect they have on amylin stability and amyloidogenicity. Each of the 37 amylin residues was mutated in silico into the 19 canonical amino acids and an energy function computing the Lennard-Jones, Coulomb and solvation energy was used to analyze changes in stability. The mutation landscape identified amylin's conserved stable regions, residues that can be tweaked to further stabilize structure, regions that are susceptible to mutations, and mutations that are amyloidogenic. We used the single-point mutational landscape data to generate estimations for higher-order multiple-point mutational landscapes and discovered millions of three-point mutations that are more stable and less amyloidogenic than Pramlintide. The landscapes provided an explanation for the effect of the S20G and Q10R mutations on the onset of diabetes of the Chinese and Maori populations, respectively.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,205
Écart entre enseignants0,196 · 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'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

Citations13
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProteins Structure Function and BioinformaticsMême sujetProtein Structure and DynamicsTravaux en français237 207