MétaCan
Menu
Retour à la cohorte
Enregistrement W4316928219 · doi:10.1002/1873-3468.14574

Roles of methionine and cysteine residues of the <i>Escherichia coli</i> sensor kinase <scp>HprS</scp> in reactive chlorine species sensing

2023· article· en· W4316928219 sur OpenAlexfundno aff
Kotaro Yamaji, Rumine Taniguchi, Hiroyuki Urano, Hiroshi Ogasawara

Notice bibliographique

RevueFEBS Letters · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBacterial Genetics and Biotechnology
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of GeneticsJapan Society for the Promotion of ScienceDirectorate for Biological SciencesMinistry of Education, Culture, Sports, Science and Technology
Mots-clésPeriplasmic spaceChemistryCysteineMethionineBiochemistryEscherichia coliTobacco etch virusHistidineReactive oxygen speciesMutagenesisEnzymeAmino acidMutantBiology

Résumé

récupéré en direct d'OpenAlex

Sensor histidine kinase HprS, an oxidative stress sensor of Escherichia coli, senses reactive oxygen species (ROS) and reactive chlorine species (RCS), and is involved in the induction of oxidatively damaged protein repair periplasmic enzymes. We reinvestigated the roles of six methionine and four cysteine residues of HprS in the response to HClO, an RCS. The results of site-directed mutagenesis revealed that methionine residues in periplasmic and cytoplasmic regions (Met225) are involved in HprS activation. Interestingly, the Cys165Ser substitution reduced HprS activity, which was recovered by an additional Glu22Cys substitution. Our results demonstrate that the position of the inner membrane cysteine residues influences the extent of HprS activation in HClO sensing.

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 enseignants0,048
Score d'incertitude au seuil0,423

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,009
Tête enseignante GPT0,213
Écart entre enseignants0,203 · 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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFEBS LettersMême sujetBacterial Genetics and BiotechnologyTravaux en français237 207