Transmembrane Membrane Readers form a Novel Class of Proteins That Include Peripheral Phosphoinositide Recognition Domains and Viral Spikes
Notice bibliographique
Résumé
Membrane proteins are broadly classified as transmembrane (TM) or peripheral, with functions that pertain to only a single bilayer at a given time. Here, we explicate a class of proteins that contain both transmembrane and peripheral domains, which we dub transmembrane membrane readers (TMMRs). Their transmembrane and peripheral elements anchor them to one bilayer and reversibly attach them to another section of bilayer, respectively, positioning them to tether and fuse membranes while recognizing signals such as phosphoinositides (PIs) and modifying lipid chemistries in proximity to their transmembrane domains. Here, we analyze full-length models from AlphaFold2 and Rosetta, as well as structures from nuclear magnetic resonance (NMR) spectroscopy and X-ray crystallography, using the Membrane Optimal Docking Area (MODA) program to map their membrane-binding surfaces. Eukaryotic TMMRs include phospholipid-binding C1, C2, CRAL-TRIO, FYVE, GRAM, GTPase, MATH, PDZ, PH, PX, SMP, StART and WD domains within proteins including protrudin, sorting nexins and synaptotagmins. The spike proteins of SARS-CoV-2 as well as other viruses are also TMMRs, seeing as they are anchored into the viral membrane while mediating fusion with host cell membranes. As such, TMMRs have key roles in cell biology and membrane trafficking, and include drug targets for diseases such as COVID-19.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».