MétaCan
Menu
Retour à la cohorte
Enregistrement W2162640412 · doi:10.1038/msb.2013.47

Protein synthesis rate is the predominant regulator of protein expression during differentiation

2013· article· en· W2162640412 sur OpenAlexafffund
Anders Riis Kristensen, Joerg Gsponer, Leonard J. Foster

Notice bibliographique

RevueMolecular Systems Biology · 2013
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced Proteomics Techniques and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health ResearchUniversity of British Columbia
Mots-clésBiologyProteomeProtein biosynthesisProteomicsProtein degradationGene expressionProtein expressionCell biologySystems biologyRegulatorRegulation of gene expressionTranslation (biology)Transcription (linguistics)Transcription factorMessenger RNAGeneComputational biologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

External perturbations, by forcing cells to adapt to a new environment, often elicit large-scale changes in gene expression resulting in an altered proteome that improves the cell's fitness in the new conditions. Steady-state levels of a proteome depend on transcription, the levels of transcripts, translation and protein degradation but system-level contribution that each of these processes make to the final protein expression change has yet to be explored. We therefore applied a systems biology approach to characterize the regulation of protein expression during cellular differentiation using quantitative proteomics. As a general rule, it seems that protein expression during cellular differentiation is largely controlled by changes in the relative synthesis rate, whereas the relative degradation rate of the majority of proteins stays constant. In these data, we also observe that the proteins in defined sub-structures of larger protein complexes tend to have highly correlated synthesis and degradation rates but that this does not necessarily extend to the holo-complex. Finally, we provide strong evidence that the generally poor correlation observed between transcript and protein levels can fully be explained once the protein synthesis and degradation rates are taken into account.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,221
Écart entre enseignants0,215 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations237
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMolecular Systems BiologyMême sujetAdvanced Proteomics Techniques and ApplicationsTravaux en français237 207