MétaCan
Menu
Retour à la cohorte
Enregistrement W4312466774 · doi:10.1016/j.mcpro.2022.100308

Integrative Structural Biology to Understand Biological Complexity

2022· article· en· W4312466774 sur OpenAlexaff
Wah Chiu, Geoffrey G. Hesketh, Claire Martin, J. W. Knight, Christopher D. Go, Anne‐Claude Gingras

Notice bibliographique

RevueMolecular & Cellular Proteomics · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Bioinformatics, and Biomedical Research
Établissements canadiensUniversity of TorontoLunenfeld-Tanenbaum Research Institute
Organismes subventionnairesnon disponible
Mots-clésComputational biologyBiologyEvolutionary biologyData scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Cryogenic electron microscopy (cryoEM) has been advanced to resolve atomic structures of biochemically purified macromolecules with details equivalent to X-ray crystal structures. A unique aspect of cryoEM is to use image processing methods to sort out images of particles with heterogeneous compositions and conformations. These capabilities have been demonstrated across a spectrum of macromolecules including viruses, membrane channels, protein folding machines with and without substrates, and RNA. The reliability of these structures can be assured by using rigorous criteria that the atomic model obeys expected stereochemistry of the molecules and simultaneously matches well with the experimentally observed density maps. The resolvability of the cryoEM structures have been shown in many cases to be sufficiently good to resolve carbohydrates, lipids, ligands, ions and water molecules that are critical to understand the chemical basis of their tertiary structures and their functions involving conformational variations. We will present examples of integrating cryoEM, mass spectrometry and biological assays to guide interpretation of cryoEM structures in terms of their contents and functions.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,039
Tête enseignante GPT0,295
Écart entre enseignants0,256 · 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'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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular & Cellular ProteomicsMême sujetGenetics, Bioinformatics, and Biomedical ResearchTravaux en français237 207