Distinct Features of Stress Granule Proteins Predict Localization in Membraneless Organelles
Notice bibliographique
Résumé
Recently generated proteomic data provides unprecedented insight into stress granule composition and stands as fruitful ground for further analysis. Stress granules are stress-induced biological assemblies that are of keen interest due to being linked to both long-term cell viability and a variety of protein aggregation-based diseases. Herein, we compile recently published stress granule composition data, formed specifically through heat and oxidative stress, for both mammalian (Homo sapiens) and yeast (Saccharomyces cerevisiae) cells. Interrogation of the data reveals that stress granule proteins are enriched in features that favor protein liquid-liquid phase separation, being highly disordered, soluble, and abundant while maintaining a high level of protein-protein interactions under basal conditions. Furthermore, these "stress granuleomes" are shown to be enriched for multidomained, RNA-binding proteins with increased potential for post-translational modifications. Findings are consistent with the notion that stress granule formation is driven by protein liquid-liquid phase separation. Furthermore, stress granule proteins appear poised near solubility limits while possessing the ability to dynamically alter their phase behavior in response to external threat. Interestingly, several features, such as protein disorder, are more prominent among stress granule proteins that share homologs between yeast and mammalian systems also found within stress-induced foci. We culminate results from our stress granule analysis into novel predictors for granule incorporation and validate the mammalian predictor's performance against multiple types of membraneless condensates and by colocalization microscopy.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».