Complete characterization of the mutation landscape reveals the effect on amylin stability and amyloidogenicity
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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