MétaCan
Menu
Retour à la cohorte
Enregistrement W2530566872 · doi:10.1016/j.celrep.2016.09.040

Systematic Genetic Screens Reveal the Dynamic Global Functional Organization of the Bacterial Translation Machinery

2016· article· en· W2530566872 sur OpenAlexafffund
Alla Gagarinova, Geordie Stewart, Bahram Samanfar, Sadhna Phanse, Carl A. White, Hiroyuki Aoki, Viktor Deineko, Natalia Beloglazova, Alexander F. Yakunin, Ashkan Golshani, Eric D. Brown, Mohan Babu, Andrew Emili

Notice bibliographique

RevueCell Reports · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA and protein synthesis mechanisms
Établissements canadiensUniversity of ReginaAgriculture and Agri-Food CanadaCarleton UniversityMcMaster UniversityUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchRussian Science Foundation
Mots-clésTranslation (biology)Adaptation (eye)BiogenesisBiologyComputational biologyGeneGeneticsFunctional analysisEvolutionary biologyMessenger RNA

Résumé

récupéré en direct d'OpenAlex

Bacterial protein synthesis is an essential, conserved, and environmentally responsive process. Yet, many of its components and dependencies remain unidentified. To address this gap, we used quantitative synthetic genetic arrays to map functional relationships among >48,000 gene pairs in Escherichia coli under four culture conditions differing in temperature and nutrient availability. The resulting data provide global functional insights into the roles and associations of genes, pathways, and processes important for efficient translation, growth, and environmental adaptation. We predict and independently verify the requirement of unannotated genes for normal translation, including a previously unappreciated role of YhbY in 30S biogenesis. Dynamic changes in the patterns of genetic dependencies across the four growth conditions and data projections onto other species reveal overarching functional and evolutionary pressures impacting the translation system and bacterial fitness, underscoring the utility of systematic screens for investigating protein synthesis, adaptation, and evolution.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,006
Tête enseignante GPT0,192
Écart entre enseignants0,186 · 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

Citations53
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCell ReportsMême sujetRNA and protein synthesis mechanismsTravaux en français237 207