MétaCan
Menu
Retour à la cohorte
Enregistrement W2500916322 · doi:10.1088/1478-3975/13/4/046001

Analysis of a minimal Rho-GTPase circuit regulating cell shape

2016· article· en· W2500916322 sur OpenAlexafffund
William R. Holmes, Leah Edelstein‐Keshet

Notice bibliographique

RevuePhysical Biology · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGene Regulatory Network Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesDivision of Social and Economic SciencesNatural Sciences and Engineering Research Council of CanadaNational Science Foundation
Mots-clésGTPaseGuanine nucleotide exchange factorMotilityCytoskeletonCDC42Cell biologyBiologyActinNucleotidePhysicsTopology (electrical circuits)CellBiophysicsGeneticsGeneMathematicsCombinatorics

Résumé

récupéré en direct d'OpenAlex

Networks of Rho-family GTPases regulate eukaryotic cell polarization and motility by controlling assembly and contraction of the cytoskeleton. The mutually inhibitory Rac-Rho circuit is emerging as a central, regulatory hub that can affect the shape and motility phenotype of eukaryotic cells. Recent experimental manipulation of the amounts of Rac and Rho or their regulators (guanine nucleotide-exchange factors, GTPase-activating proteins, guanine nucleotide dissociation inhibitors) have been shown to bias the prevalence of these different states and promote transitions between them. Here we show that part of this data can be understood in terms of inherent Rac-Rho mutually inhibitory dynamics. We analyze a spatio-temporal mathematical model of Rac-Rho dynamics to produce a detailed set of predictions of how parameters such as GTPase rates of activation and total amounts affect cell decisions (such as Rho-dominated contraction, Rac-dominated spreading, and spatially segregated Rac-Rho polarization). We find that in some parameter regimes, a cell can take on any of these three fates depending on its environment or stimuli. We also predict how experimental manipulations (corresponding to parameter variations) can affect cell shapes observed. Our methods are based on local perturbation analysis (a kind of nonlinear stability analysis), and an approximation of nonlinear feedback by sharp switches. We compare the Rac-Rho model to an even simpler single-GTPase ('wave-pinning') model and demonstrate that the overall behavior is inherent to GTPase properties, rather than stemming solely from network topology.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,249
Écart entre enseignants0,237 · 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

Citations68
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical BiologyMême sujetGene Regulatory Network AnalysisTravaux en français237 207