MétaCan
Menu
Retour à la cohorte
Enregistrement W2109512616 · doi:10.1139/o05-038

The role of poly(ADP-ribose) in the DNA damage signaling network

2005· review· en· W2109512616 sur OpenAlexvenueno aff
Maria Malanga, Felix R. Althaus

Notice bibliographique

RevueBiochemistry and Cell Biology · 2005
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer therapeutics and mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésDNA repairPoly ADP ribose polymeraseDNA damageBiologyDNAChromatinHistoneNAD+ kinaseCell biologyBiochemistryDNA repair protein XRCC4PolymeraseNucleotide excision repairEnzyme

Résumé

récupéré en direct d'OpenAlex

DNA damage signaling is crucial for the maintenance of genome integrity. In higher eukaryotes a NAD+-dependent signal transduction mechanism has evolved to protect cells against the genome destabilizing effects of DNA strand breaks. The mechanism involves 2 nuclear enzymes that sense DNA strand breaks, poly(ADP-ribose) polymerase-1 and -2 (PARP-1 and PARP-2). When activated by DNA breaks, these PARPs use NAD+ to catalyze their automodification with negatively charged, long and branched ADP-ribose polymers. Through recruitment of specific proteins at the site of damage and regulation of their activities, these polymers may either directly participate in the repair process or coordinate repair through chromatin unfolding, cell cycle progression, and cell survival-cell death pathways. A number of proteins, including histones, DNA topoisomerases, DNA methyltransferase-1 as well as DNA damage repair and checkpoint proteins (p23, p21, DNA-PK, NF-kB, XRCC1, and others) can be targeted in this manner; the interaction involves a specific poly(ADP-ribose)-binding sequence motif of 20-26 amino acids in the target domains.

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)0,000
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: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,004

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 GPT0,273
Écart entre enseignants0,259 · 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

Citations273
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiochemistry and Cell BiologyMême sujetCancer therapeutics and mechanismsTravaux en français237 207