MétaCan
Menu
Retour à la cohorte
Enregistrement W3205203460 · doi:10.3934/math.2022066

Branch prioritization motifs in biochemical networks with sharp activation

2021· article· en· W3205203460 sur OpenAlexaff
Roderick Edwards, Michelle Wood

Notice bibliographique

RevueAIMS Mathematics · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicrobial Metabolic Engineering and Bioproduction
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésPrioritizationKineticsMechanism (biology)ChemistryShut downComputer scienceBiophysicsComputational biologyPhysicsBiologyEngineering

Résumé

récupéré en direct d'OpenAlex

The Precursor Shutoff Valve (PSV) has been proposed as a motif in biochemical networks, active for example in prioritization of primary over secondary metabolism in plants in low-input conditions. Another branch prioritization mechanism in a biochemical network is a difference in thresholds for activation of the two pathways from the branch point. It has been shown by Adams and colleagues that both mechanisms can play a part in a model of plant metabolism involving Michaelis-Menten kinetics [ 1 ]. Here we investigate the potential role of these two mechanisms in systems with steeper activation functions, such as those involving highly cooperative reactions, by considering the limit of infinitely steep activation functions, as is done in Glass networks as models of gene regulation. We find that the Threshold Separation mechanism is completely effective in pathway prioritization in such a model framework, while the PSV adds no additional benefit, and is ineffective on its own. This makes clear that the PSV uses the gradual nature of activation functions to help shut off one branch at low input levels, and has no effect if activation is sharp. The analysis also serves as a case study in assessing behaviour of sharply-switching open systems without degradation of species.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,005
Tête enseignante GPT0,201
Écart entre enseignants0,196 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIMS MathematicsMême sujetMicrobial Metabolic Engineering and BioproductionTravaux en français237 207