MétaCan
Menu
Retour à la cohorte
Enregistrement W4312199646 · doi:10.1016/j.celrep.2022.111968

Liquid-liquid phase separation of nucleocapsid proteins during SARS-CoV-2 and HIV-1 replication

2022· review· en· W4312199646 sur OpenAlexafffund
Bao-An Chau, Venessa Chen, Alan Cochrane, Leslie J. Parent, Andrew J. Mouland

Notice bibliographique

RevueCell Reports · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Research and Splicing
Établissements canadiensMcGill UniversityUniversity of TorontoJewish General Hospital
Organismes subventionnairesNational Institute on Drug AbuseInstitute of Infection and ImmunityCanadian Institutes of Health ResearchNational Institutes of Health
Mots-clésRetrovirusViral replicationVirologyCoronavirusReplication (statistics)BiologyPandemicVirusHuman immunodeficiency virus (HIV)Cell biologyComputational biologyCoronavirus disease 2019 (COVID-19)Medicine

Résumé

récupéré en direct d'OpenAlex

The leap of retroviruses and coronaviruses from animal hosts to humans has led to two ongoing pandemics and tens of millions of deaths worldwide. Retrovirus and coronavirus nucleocapsid proteins have been studied extensively as potential drug targets due to their central roles in virus replication, among which is their capacity to bind their respective genomic RNAs for packaging into nascent virions. This review focuses on fundamental studies of these nucleocapsid proteins and how their intrinsic abilities to condense through liquid-liquid phase separation (LLPS) contribute to viral replication. Therapeutic targeting of these condensates and methodological advances are also described to address future questions on how phase separation contributes to viral replication.

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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,616
Score d'incertitude au seuil0,947

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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 Opus0,041
Tête enseignante GPT0,368
Écart entre enseignants0,327 · 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
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

Citations57
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCell ReportsMême sujetRNA Research and SplicingTravaux en français237 207