The phosphoinositide code is read by a plethora of protein domains
Notice bibliographique
Résumé
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 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 ».