Subcellular phosphoproteomics
Notice bibliographique
Résumé
Protein phosphorylation represents one of the most extensively studied post-translational modifications, primarily due to the emergence of sensitive methods enabling the detection of this modification both in vitro and in vivo. The availability of enrichment methods combined with sensitive mass spectrometry instrumentation has played a crucial role in uncovering the dynamic changes and the large expanding repertoire of this reversible modification. The structural changes imparted by the phosphorylation of specific residues afford exquisite mechanisms for the regulation of protein functions by modulating new binding sites on scaffold proteins or by abrogating protein-protein interactions. However, the dynamic interplay of protein phosphorylation is not occurring randomly within the cell but is rather finely orchestrated by specific kinases and phosphatases that are unevenly distributed across subcellular compartments. This spatial separation not only regulates protein phosphorylation but can also control the activity of other enzymes and the transfer of other post-translational modifications. While numerous large-scale phosphoproteomics studies highlighted the extent and diversity of phosphoproteins present in total cell lysates, the further understanding of their regulation and biological activities require a spatio-temporal resolution only achievable through subcellular fractionation. This review presents a first account of the emerging field of subcellular phosphoproteomics where cell fractionation approaches are combined with sensitive mass spectrometry methods to facilitate the identification of low abundance proteins and to unravel the intricate regulation of protein phosphorylation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».