MétaCan
Menu
Retour à la cohorte
Enregistrement W2989575525 · doi:10.1002/cyto.a.23928

Image‐Based Analysis of Protein Stability

2019· article· en· W2989575525 sur OpenAlexafffund
K. Ashley Hickman, Santosh Hariharan, Jason De Melo, Jarkko Ylanko, Lindsay C. Lustig, Linda Z. Penn, David W. Andrews

Notice bibliographique

RevueCytometry Part A · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCell Image Analysis Techniques
Établissements canadiensPrincess Margaret Cancer CentreSunnybrook HospitalUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésStability (learning theory)Computational biologyComputer scienceArtificial intelligenceBiologyMachine learning

Résumé

récupéré en direct d'OpenAlex

Short half-life proteins regulate many essential processes, including cell cycle, transcription, and apoptosis. However, few well-characterized protein-turnover pathways have been identified because traditional methods to measure protein half-life are time and labor intensive. To overcome this barrier, we developed a protein stability probe and high-content screening pipeline for novel regulators of short half-life proteins using automated image analysis. Our pilot probe consists of the short half-life protein c-MYC (MYC) fused to Venus fluorescent protein (MYC-Venus). This probe enables protein half-life to be scored as a function of fluorescence intensity and distribution. Rapid turnover prevents maximal fluorescence of the probe due to the relatively longer maturation time of the fluorescent protein. Cells expressing the MYC-Venus probe were analyzed using a pipeline in which automated confocal microscopy and image analyses were used to score MYC-Venus stability by two strategies: assaying the percentage of cells with Venus fluorescence above background, and phenotypic comparative analysis. To evaluate this high-content screening pipeline and our probe, a kinase inhibitor library was screened by confocal microscopy to identify known and novel kinases that regulate MYC stability. Compounds identified were shown to increase the half-life of both MYC-Venus and endogenous MYC, validating the probe and pipeline. Fusion of another short half-life protein, myeloid cell leukemia 1 (MCL1), with Venus also demonstrated an increase in percent Venus-positive cells after treatment with inhibitors known to stabilize MCL1. Together, the results validate the use of our automated microscopy and image analysis pipeline of stability probe-expressing cells to rapidly and quantitatively identify regulators of short half-life proteins. © 2019 The Authors. Cytometry Part A published by Wiley Periodicals, Inc. on behalf of International Society for Advancement of Cytometry.

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)0,001
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: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,011
Tête enseignante GPT0,277
Écart entre enseignants0,267 · 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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCytometry Part AMême sujetCell Image Analysis TechniquesTravaux en français237 207