MétaCan
Menu
Retour à la cohorte
Enregistrement W4207050344 · doi:10.3410/f.740176238.793586911

Faculty Opinions recommendation of Mechanistic dissection of increased enzymatic rate in a phase-separated compartment.

2021· dataset· en· W4207050344 sur OpenAlexaff
Stephanie C. Weber

Notice bibliographique

RevueFaculty Opinions – Post-Publication Peer Review of the Biomedical Literature · 2021
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueConnective tissue disorders research
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSUMO proteinSubstrate (aquarium)Compartment (ship)BiophysicsEnzymeChemistryCascadeMacromoleculePhase (matter)MembraneChemical physicsNanotechnologyChemical engineeringBiochemistryMaterials scienceChromatographyBiologyOrganic chemistryGene

Résumé

récupéré en direct d'OpenAlex

Biomolecular condensates concentrate macromolecules into discrete cellular foci without an encapsulating membrane. Condensates are often presumed to increase enzymatic reaction rates through increased concentrations of enzymes and substrates (mass action), although this idea has not been widely tested and other mechanisms of modulation are possible. Here we describe a synthetic system where the SUMOylation enzyme cascade is recruited into engineered condensates generated by liquid-liquid phase separation of multidomain scaffolding proteins. SUMOylation rates can be increased up to 36-fold in these droplets compared to the surrounding bulk, depending on substrate KM. This dependency produces substantial specificity among different substrates. Analyses of reactions above and below the phase-separation threshold lead to a quantitative model in which reactions in condensates are accelerated by mass action and changes in substrate KM, probaby due to scaffold-induced molecular organization. Thus, condensates can modulate reaction rates both by concentrating molecules and physically organizing them. PMID: 34035521 Funding information This work was supported by: Howard Hughes Medical Institute, United States

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)0,002
score de la tête « metaresearch » (Gemma)0,010
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: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,096
Score d'incertitude au seuil0,321

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0960,059

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 Opus0,037
Tête enseignante GPT0,401
Écart entre enseignants0,364 · 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
GenreJeu de données

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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFaculty Opinions – Post-Publication Peer Review of the Biomedical LiteratureMême sujetConnective tissue disorders researchTravaux en français237 207