MétaCan
Menu
Retour à la cohorte
Enregistrement W4250061702 · doi:10.1109/iembs.2006.4398355

FPMOD: A Modeling Tool for Sampling the Conformational Space of Fusion Proteins

2006· article· en· W4250061702 sur OpenAlexaff
Jason Chiang, Isaac T. S. Li, Elizabeth Pham, Kevin Truong

Notice bibliographique

RevueConference proceedings · 2006
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiomyopathy and Myosin Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFörster resonance energy transferFusionFusion proteinLinkerBiosensorMODELLERBiophysicsProtein engineeringBiological systemChemistryFluorescenceComputational biologyComputer scienceNanotechnologyMaterials sciencePhysicsBiochemistryBiologyRecombinant DNA

Résumé

récupéré en direct d'OpenAlex

Fusion proteins are an important class of proteins with diverse applications in biotechnology. They consist of 2 or more rigid domains joined by a flexible linker. Understanding the conformational space of fusion proteins conferred by the flexible linkers is important to predicting its behavior. In this paper, we introduce a modeling tool called FPMOD (Fusion Protein MODeller) which samples the conformational space of fusion proteins by treating all domains as rigid bodies and rotating each of them around their flexible linkers. As a demonstration, FPMOD was used to predict the fluorescence resonance energy transfer (FRET) efficiency of three different fusion protein biosensors. The simulation results of the FRET efficiency prediction were consistent with the in vitro experimental data, which verified that FPMOD is a valid tool to predicting the behavior of fusion proteins.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,664
Score d'incertitude au seuil0,303

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,283
Écart entre enseignants0,235 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConference proceedingsMême sujetCardiomyopathy and Myosin StudiesTravaux en français237 207