A proximity-dependent biotinylation map of a human cell: an interactive web resource
Notice bibliographique
Résumé
ABSTRACT Compartmentalization is a defining characteristic of eukaryotic cells, partitioning cellular processes into discrete subcellular locations. High throughput microscopy 1 and biochemical fractionation coupled with mass spectrometry 2–6 have helped to define the proteomes of a variety of organelles and macromolecular structures. However, many other intracellular compartments have remained refractory to such approaches, due for example to difficulty in purifying non-membrane bound structures. Proximity-dependent biotinylation techniques such as BioID provide an alternative approach for defining the composition of cellular compartments in living cells 7–10 . Here we present a BioID-based map of a human cell based on 192 markers from 32 different subcellular compartments, comprising 35,902 high confidence proximity interactions, and defining the intracellular locations of 4,145 unique proteins in HEK 293 cells. Our localization predictions meet or exceed previous-approaches, with higher specificity, and enabled the discovery of proteins at the mitochondrial outer membrane-endoplasmic reticulum (ER) interface that are critical for mitochondrial homeostasis. Based on this dataset, we have established humancellmap.org as a community resource that provides online tools for localization analysis of user BioID data, and demonstrate how this resource can be used to better understand BioID datasets.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,016 |
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 ».