MétaCan
Menu
Retour à la cohorte
Enregistrement W2768244177 · doi:10.1038/s41467-017-01706-x

Receptor-binding loops in alphacoronavirus adaptation and evolution

2017· article· en· W2768244177 sur OpenAlexafffund
Alan H. M. Wong, Aidan C.A. Tomlinson, Dongxia Zhou, Malathy Satkunarajah, Kevin Chen, Chetna Sharon, Marc Desforges, Pierre J. Talbot, James M. Rini

Notice bibliographique

RevueNature Communications · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Virus Infections Studies
Établissements canadiensCanada Research ChairsInstitut National de la Recherche ScientifiqueUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchCanadian Light Source
Mots-clésEctodomainMutationBiologyReceptorPopulationGeneticsAdaptation (eye)CoronavirusChemistryVirologyGeneCoronavirus disease 2019 (COVID-19)Medicine

Résumé

récupéré en direct d'OpenAlex

RNA viruses are characterized by a high mutation rate, a buffer against environmental change. Nevertheless, the means by which random mutation improves viral fitness is not well characterized. Here we report the X-ray crystal structure of the receptor-binding domain (RBD) of the human coronavirus, HCoV-229E, in complex with the ectodomain of its receptor, aminopeptidase N (APN). Three extended loops are solely responsible for receptor binding and the evolution of HCoV-229E and its close relatives is accompanied by changing loop-receptor interactions. Phylogenetic analysis shows that the natural HCoV-229E receptor-binding loop variation observed defines six RBD classes whose viruses have successively replaced each other in the human population over the past 50 years. These RBD classes differ in their affinity for APN and their ability to bind an HCoV-229E neutralizing antibody. Together, our results provide a model for alphacoronavirus adaptation and evolution based on the use of extended loops for receptor binding.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,072
Tête enseignante GPT0,311
Écart entre enseignants0,239 · 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'étudeObservationnel
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

Citations123
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetAnimal Virus Infections StudiesTravaux en français237 207