Protein residue networks from a local search perspective
Notice bibliographique
Résumé
Proteins have been abstracted as a network of interacting amino acids and much attention has been paid to the small-world property of such networks, which we call protein residue networks (PRNs). Hitherto, a global search strategy such as breadth-first search (BFS) is commonly used to measure the average path length of PRNs. We propose that a local search strategy is more appropriate because the inverse relationship between clustering and average path length in a local search better fits the notion that amino acids get closer to each other as a protein becomes more compact. This inverse relationship is also observed in data from a molecular dynamics (MD) simulation of a protein unfolding. To study local search on PRNs, we devised a greedy local search algorithm called EDS and compared the characteristics of BFS paths with EDS paths. While they are different in terms of variation in path length, search cost and link usage, they exhibit similarities in terms of hierarchy and centrality. We argue that the differences are preferable as they make EDS paths a better model of intra-protein communication. The similarities are also preferable as they imply the transferability of existing methods based on BFS centrality. Clustering coupled with strong transitivity helps to keep EDS paths short on PRNs by creating a store of potential short-cut edges. The ready availability of PRN edges that can act as short-cuts help EDS avoid backtracking. The number of short-cut edges scales linearly with protein size. Short-cut edges are enriched with short-range contacts, see higher usage (are more central), have stronger local clustering but weaker local community structure, and effect larger EDS path dilation. Throughout the paper, network statistics for PRNs from an MD simulation are reported to support our findings, and to observe how the network statistics change as a protein folds.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».