Combining the Dihydrofolate Reductase Protein-Fragment Complementation Assay with Gene Deletions to Establish Genotype-to-Phenotype Maps of Protein Complexes and Interaction Networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Systematically measuring the impact of gene deletion on protein-protein interactions is a promising approach to reveal the structural bases of protein interaction networks and to allow a better understanding of how genotypes translate into phenotypes. Genetic and protein-interaction tools in yeast now allow us to explore this third dimension of protein-protein interaction networks. Because it is scalable and quantitative, the protein-fragment complementation assay (PCA) using dihydrofolate reductase (DHFR) as the reporter protein provides an exceptionally powerful tool for such a purpose. Here, we describe a fully automated protocol that combines DHFR PCA for protein-protein interaction measurement and synthetic genetic array (SGA) technology for introducing mutant and other alleles into PCA strains using genetic crosses. In this, PCA strains are crossed with strains carrying a gene deletion and SGA markers, and the recombinant haploid progeny are selected by SGA. The resulting haploid strains, each expressing a DHFR-fragment fusion protein in a gene-specific haploid deletion background, are crossed to measure the interaction between the two recombinant proteins by PCA in a diploid homozygous deletion background. This approach can be used to measure a single protein interaction in a large array of genetic backgrounds or a large number of protein interactions in a small number of genetic backgrounds.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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