MétaCan
Menu
Retour à la cohorte
Enregistrement W2155239124 · doi:10.1046/j.1469-1809.2002.00121.x

Multifunctional zinc finger proteins in development and disease

2002· review· en· W2155239124 sur OpenAlexfundno aff
Michael Ladomery, Graham Dellaire

Notice bibliographique

RevueAnnals of Human Genetics · 2002
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRenal and related cancers
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésZinc fingerLIM domainBiologyProteomeRING finger domainComputational biologyGeneRNA splicingAlternative splicingZinc finger nucleaseGeneticsDNA-binding proteinPHD fingerTranscription factorHuman proteome projectCell biologyRNAProteomicsExon

Résumé

récupéré en direct d'OpenAlex

Post-transcriptional processes contribute significantly towards the generation of proteomic diversity. An increasing number of mutations have been described that affect genes encoding components of the post-transcriptional machinery. In particular, multifunctional proteins that link transcription with post-transcriptional processes have been implicated in several human diseases including cancer. A predominant feature of these proteins is the zinc finger, an ancient structural motif that mediates protein ratio protein interactions and is capable of interacting with both DNA and RNA. Zinc finger proteins are the most abundant class of proteins in the human proteome, yet the majority remain uncharacterised. Here we describe multifunctional zinc finger proteins linked to human development and disease. The examples discussed are WT1, ZNF74, EWS, TLS, TAFII68, YY1, CTCF and the GLI proteins. The study of these and other zinc finger proteins provides insights into the functional versatility of the zinc finger motif and suggests that both alternative splicing and sub-cellular compartmentalisation may modulate their multifunctionality.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,081
Tête enseignante GPT0,337
Écart entre enseignants0,256 · 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

Citations119
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Human GeneticsMême sujetRenal and related cancersTravaux en français237 207