MétaCan
Menu
Retour à la cohorte
Enregistrement W3036464240 · doi:10.1126/sciadv.abb1250

Allosteric pluripotency as revealed by protein kinase A

2020· article· en· W3036464240 sur OpenAlexafffund
Jung Ah Byun, Madoka Akimoto, Bryan VanSchouwen, Tomas S. Lazarou, Susan S. Taylor, Giuseppe Melacini

Notice bibliographique

RevueScience Advances · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueReceptor Mechanisms and Signaling
Établissements canadiensMcMaster University
Organismes subventionnairesNational Institute of General Medical SciencesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchNational Institutes of Health
Mots-clésAllosteric regulationComputational biologyKinaseProtein kinase AAllosteric enzymeCell biologyBiologyEnzymeChemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

The functional response of a signaling system to an allosteric stimulus often depends on subcellular conditions, a phenomenon known as pluripotent allostery. For example, a single allosteric modulator, Rp-cAMPS, of the prototypical protein kinase A (PKA) switches from antagonist to agonist depending on MgATP levels. However, the mechanism underlying such pluripotent allostery has remained elusive for decades. Using nuclear magnetic resonance spectroscopy, ensemble models, kinase assays, and molecular dynamics simulations, we show that allosteric pluripotency arises from surprisingly divergent responses of highly homologous tandem domains. The differential responses perturb domain-domain interactions and remodel the free-energy landscape of inhibitory excited states sampled by the regulatory subunit of PKA. The resulting activation threshold values are comparable to the effective free energy of regulatory and catalytic subunit binding, which depends on metabolites, substrates, and mutations, explaining pluripotent allostery and warranting a general redefinition of allosteric targets to include specific subcellular environments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,344

Scores Codex et Gemma par catégorie

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,008
Tête enseignante GPT0,249
Écart entre enseignants0,241 · 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 tête enseignante, 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

Citations42
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetReceptor Mechanisms and SignalingTravaux en français237 207