Mortal Kombat: modeling amyloid fibrils and health implications
Notice bibliographique
Résumé
Amyloid proteins aggregate into polymorphic fibrils that damage tissues of the brain, nerves, and heart. Experimental and computational studies investigated the structural basis and the nucleation of short fibrils, but the prediction and the precise quantification of the stability of larger aggregates remain elusive. We established a complete classification of fibril shapes and developed a tool, called CreateFibril, to automatically build these complex polymorphic modular structures. CreateFibril constructed HET‐s, Abeta, and Amylin fibrils up to 17nm in length, and utilized a novel dipolar solvent model that captured the effect of dipole‐dipole interactions between water and very large molecular systems to assess their aqueous stability. Our results validated experimental data for HET‐s and Abeta, and suggested novel findings for Amylin. In particular, we predicted the correct structural parameters for the one and three predominant HET‐s protofilaments, revealed and structurally characterized all known Abeta polymorphic fibrils including structures recently classified as wrapped fibrils, and elucidated the predominant Amylin fibrils and asserted that native Amylin is more stable than its amyloid form. CreateFibril and a database of all stable polymorphic fibril models we tested along with their structural energy landscapes are available on http://amyloid.cs.mcgill.ca .
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».