Predicted cellular interactors of the endogenous retrovirus-K protease enzyme
Notice bibliographique
Résumé
Retroviral proteases are essential enzymes for viral replication and drive changes within the cellular proteome. While several studies have demonstrated that protease (PR) enzymes from exogenous retroviruses cleave cellular proteins and modulate cellular signaling, the impact of PRs encoded by endogenous retroviruses within the human genome has been largely overlooked. One human symbiont called Endogenous retrovirus-K (ERVK) is pathologically associated with both neurological disease and cancers. Using a computational biology approach, we sought to characterize the ERVK PR interactome. The ERVK PR protein sequence was analyzed using the Eukaryotic Linear Motif (ELM) database and results compared to ELMs of other betaretroviral PRs and similar endogenated viral PRs. A list of putative ERVK PR cellular protein interactors was curated from the ELM list and submitted for STRING analysis to generate an ERVK PR interactome. Reactome analysis was used to identify key pathways potentially influenced by ERVK PR. Network analysis postulated that ERVK PR interacts at the apex of several ubiquitination pathways, as well as has a role in the DNA damage response, gene regulation, and intracellular trafficking. Among retroviral PRs, a predicted interaction with proliferating cell nuclear antigen (PCNA) was unique to ERVK PR. The most prominent disease-associated pathways identified were viral carcinogenesis and neurodegeneration. This strengthens the role of ERVK PR in these pathologies by putatively driving alterations in cellular signaling cascades via select protein-protein interactions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».