MétaCan
Menu
Retour à la cohorte
Enregistrement W4287009607 · doi:10.3390/biom12081024

Integrative Organelle-Based Functional Proteomics: In Silico Prediction of Impaired Functional Annotations in SACS KO Cell Model

2022· article· en· W4287009607 sur OpenAlexaboutno aff
Federica Morani, Stefano Doccini, Daniele Galatolo, Francesco Pezzini, Rabah Soliymani, Alessandro Simonati, Maciej Łałowski, Federica Gemignani, Filippo M. Santorelli

Notice bibliographique

RevueBiomolecules · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueGenetic Neurodegenerative Diseases
Établissements canadiensnon disponible
Organismes subventionnairesHelsinki Institute of Life Science, Helsingin YliopistoBiocenter FinlandMinistero della Salute
Mots-clésNeuroscienceProteomicsDiseaseProteomeBiologyComputational biologyAtaxiaSpasticityIn silicoBioinformaticsMedicineGeneticsPathologyGenePhysical medicine and rehabilitation

Résumé

récupéré en direct d'OpenAlex

Autosomal recessive spastic ataxia of Charlevoix-Saguenay (ARSACS) is an inherited neurodegenerative disease characterized by early-onset spasticity in the lower limbs, axonal-demyelinating sensorimotor peripheral neuropathy, and cerebellar ataxia. Our understanding of ARSACS (genetic basis, protein function, and disease mechanisms) remains partial. The integrative use of organelle-based quantitative proteomics and whole-genome analysis proposed in the present study allowed identifying the affected disease-specific pathways, upstream regulators, and biological functions related to ARSACS, which exemplify a rationale for the development of improved early diagnostic strategies and alternative treatment options in this rare condition that currently lacks a cure. Our integrated results strengthen the evidence for disease-specific defects related to bioenergetics and protein quality control systems and reinforce the role of dysregulated cytoskeletal organization in the pathogenesis of ARSACS.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,759

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,038
Tête enseignante GPT0,233
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomoleculesMême sujetGenetic Neurodegenerative DiseasesTravaux en français237 207