Proximal Protein Interaction Landscape of RAS Paralogs
Notice bibliographique
Résumé
RAS proteins (KRAS, NRAS and HRAS) are frequently activated in different cancer types (e.g., non-small cell lung cancer, colorectal cancer, melanoma and bladder cancer). For many years, their activities were considered redundant due to their high degree of sequence homology (80% identity) and their shared upstream and downstream protein partners. However, the high conservation of the Hyper-Variable-Region across mammalian species, the preferential activation of different RAS proteins in specific tumor types and the specific post-translational modifications and plasma membrane-localization of each paralog suggest they could ensure discrete functions. To gain insights into RAS proteins specificities, we explored their proximal protein-protein interaction landscapes using the proximity-dependent biotin identification technology (BioID) in Flp-In T-REx 293 cell lines stably transfected and inducibly expressing wild type KRAS4B, NRAS or HRAS. We identified more than 800 high-confidence proximal interactors, allowing us to propose an unprecedented comparative analysis of wild type RAS paralogs protein networks. These data bring novel information on poorly characterized RAS functions, e.g., its putative involvement in metabolic pathways, and on shared as well as paralog-specific protein networks that could partially explain the complexity of RAS functions. These networks of protein interactions open numerous avenues to better understand RAS paralogs biological activities.
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 ».