Rewiring of Transcriptional Regulatory Networks: Hierarchy, Rather Than Connectivity, Better Reflects the Importance of Regulators
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
Network connectivity has been related to essentiality: Highly connected proteins (hubs) are more important for cell growth and survival. Although this is intuitively reasonable, another way to assess the role of a regulator is to assign it to a level within a "chain-of-command" hierarchy. Here, we analyzed the effects of network rewiring events on transcriptional regulatory hierarchies in two species. First, we superimposed the phenotypic effects of tampering with specific genes and their regulatory connections directly onto the hierarchies. To study second-order effects, which involved changes in the level of regulators within the hierarchy upon deletions or insertions of other regulators or connections, we reconstructed modified hierarchies. We found that rewiring events that affected upper levels had a more marked effect on cell proliferation rate and survival than did those involving lower levels. Moreover, we showed that the hierarchical level and type of change better reflected the phenotypic effect of rewiring than did the number of changes. We also investigated other features connected to the importance of upper-level regulators: In particular, relative to lower-level regulators, upper-level regulators exhibited a greater range of expression values across species, had fewer functionally redundant copies, and had a shorter half-life. Overall, our analysis shows that broadly constructed hierarchies may better reflect the importance of regulators for cell growth than classifications based on the number of connections (hubbiness).
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 | 0,002 | 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 | 0,001 |
| 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