Phase Separation in Biology and Disease; Current Perspectives and Open Questions
Notice bibliographique
Résumé
In the past almost 15 years, we witnessed the birth of a new scientific field focused on the existence, formation, biological functions, and disease associations of membraneless bodies in cells, now referred to as biomolecular condensates. Pioneering studies from several laboratories [reviewed in1, 2, 3] supported a model wherein biomolecular condensates associated with diverse biological processes form through the process of phase separation. These and other findings that followed have revolutionized our understanding of how biomolecules are organized in space and time within cells to perform myriad biological functions, including cell fate determination, signal transduction, endocytosis, regulation of gene expression and protein translation, and regulation of RNA metabolism. Further, condensates formed through aberrant phase transitions have been associated with numerous human diseases, prominently including neurodegeneration and cancer. While in some cases, rigorous evidence supports links between formation of biomolecular condensates through phase separation and biological functions, in many others such links are less robustly supported, which has led to rightful scrutiny of the generality of the roles of phase separation in biology and disease.4, 5, 6, 7 During a week-long workshop in March 2022 at the Telluride Science Research Center (TSRC) in Telluride, Colorado, ∼25 scientists addressed key questions surrounding the biomolecular condensates field. Herein, we present insights gained through these discussions, addressing topics including, roles of condensates in diverse biological processes and systems, and normal and disease cell states, their applications to synthetic biology, and the potential for therapeutically targeting biomolecular condensates.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».