MétaCan
Menu
Retour à la cohorte
Enregistrement W3187135871 · doi:10.1080/14789450.2021.1962302

The phosphoinositide code is read by a plethora of protein domains

2021· article· en· W3187135871 sur OpenAlexaff
Michael Overduin, Troy A. Kervin

Notice bibliographique

RevueExpert Review of Proteomics · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCellular transport and secretion
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésComputational biologyComputer scienceCode (set theory)ChemistryBiologyProgramming language

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The proteins that decipher nucleic acid- and protein-based information are well known, however, those that read membrane-encoded information remain understudied. Here, we report 70 different human, microbial and viral protein folds that recognize phosphoinositides (PIs), comprising the readers of a vast membrane code. AREAS COVERED: Membrane recognition is best understood for FYVE, PH and PX domains, which exemplify hundreds of PI code readers. Comparable lipid interaction mechanisms may be mediated by kinases, adjacent C1 and C2 domains, trafficking arrestins, GAT and VHS modules, membrane-perturbing annexins, BAR, CHMP, ENTH, HEAT, syntaxin and Tubby helical bundles, multipurpose FERM, EH, MATH, PHD, PDZ, PROPPIN, PTB and SH2 domains, as well as systems that regulate receptors, GTPases and actin filaments, transfer lipids, and assemble bacterial and viral particles. EXPERT OPINION: The elucidation of how membranes are recognized has extended the genetic code to the PI code. Novel discoveries include PIP-stop and MET-stop residues to which phosphates and metabolites are attached to block phosphatidylinositol phosphate (PIP) recognition, memteins as functional membrane protein apparatuses and lipidons as lipid 'codons' recognized by membrane readers. At least 5% of the human proteome senses such membrane signals and allows eukaryotic organelles and pathogens to operate and replicate.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,009

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 GPT0,271
Écart entre enseignants0,264 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Review of ProteomicsMême sujetCellular transport and secretionTravaux en français237 207