MétaCan
Menu
Retour à la cohorte
Enregistrement W4281977447 · doi:10.1016/j.sbi.2022.102395

Reading the glyco-code: New approaches to studying protein–carbohydrate interactions

2022· review· en· W4281977447 sur OpenAlexafffund
Simon Wisnovsky, Carolyn R. Bertozzi

Notice bibliographique

RevueCurrent Opinion in Structural Biology · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGlycosylation and Glycoproteins Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Cancer InstituteNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchNational Institutes of HealthHoward Hughes Medical Institute
Mots-clésGlycanComputational biologyFunction (biology)BiologyGlycomicsBiochemistryChemistryCell biologyGlycoprotein

Résumé

récupéré en direct d'OpenAlex

The surface of all living cells is decorated with carbohydrate molecules. Hundreds of functional proteins bind to these glycosylated ligands; such binding events subsequently modulate many aspects of protein and cell function. Identifying ligands for glycan-binding proteins (GBPs) is a defining challenge of glycoscience research. Here, we review recent advances that are allowing protein-carbohydrate interactions to be dissected with an unprecedented level of precision. We specifically highlight how cell-based glycan arrays and glyco-genomic profiling are being used to define the structural determinants of glycan-protein interactions in living cells. Going forward, these methods create exciting new opportunities for the study of glycans in physiology and disease.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,325
Tête enseignante GPT0,438
Écart entre enseignants0,112 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations60
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Structural BiologyMême sujetGlycosylation and Glycoproteins ResearchTravaux en français237 207