MétaCan
Menu
Retour à la cohorte
Enregistrement W2169895124 · doi:10.1186/1752-0509-2-75

Explaining oscillations and variability in the p53-Mdm2 system

2008· article· en· W2169895124 sur OpenAlexafffund
Carole J. Proctor, Douglas A. Gray

Notice bibliographique

RevueBMC Systems Biology · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer-related Molecular Pathways
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilEngineering and Physical Sciences Research CouncilCanadian Institutes of Health Research
Mots-clésDNA damageMechanism (biology)Negative feedbackBiological systemMdm2Positive feedbackRegulatorp14arfComputer scienceFeedback loopBiophysicsControl theory (sociology)NeuroscienceBiologyDNAPhysicsControl (management)CancerGeneticsVoltageEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In individual living cells p53 has been found to be expressed in a series of discrete pulses after DNA damage. Its negative regulator Mdm2 also demonstrates oscillatory behaviour. Attempts have been made recently to explain this behaviour by mathematical models but these have not addressed explicit molecular mechanisms. We describe two stochastic mechanistic models of the p53/Mdm2 circuit and show that sustained oscillations result directly from the key biological features, without assuming complicated mathematical functions or requiring more than one feedback loop. Each model examines a different mechanism for providing a negative feedback loop which results in p53 activation after DNA damage. The first model (ARF model) looks at the mechanism of p14ARF which sequesters Mdm2 and leads to stabilisation of p53. The second model (ATM model) examines the mechanism of ATM activation which leads to phosphorylation of both p53 and Mdm2 and increased degradation of Mdm2, which again results in p53 stabilisation. The models can readily be modified as further information becomes available, and linked to other models of cellular ageing. RESULTS: The ARF model is robust to changes in its parameters and predicts undamped oscillations after DNA damage so long as the signal persists. It also predicts that if there is a gradual accumulation of DNA damage, such as may occur in ageing, oscillations break out once a threshold level of damage is acquired. The ATM model requires an additional step for p53 synthesis for sustained oscillations to develop. The ATM model shows much more variability in the oscillatory behaviour and this variability is observed over a wide range of parameter values. This may account for the large variability seen in the experimental data which so far has examined ARF negative cells. CONCLUSION: The models predict more regular oscillations if ARF is present and suggest the need for further experiments in ARF positive cells to test these predictions. Our work illustrates the importance of systems biology approaches to understanding the complex role of p53 in both ageing and cancer.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
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)0,0010,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,272
Écart entre enseignants0,228 · 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'étudeSimulation ou modélisation
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

Citations117
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Systems BiologyMême sujetCancer-related Molecular PathwaysTravaux en français237 207