Phosphorylation‐linked complex profiling identifies assemblies required for Hippo signal integration
Notice bibliographique
Résumé
While several computational methods have been developed to predict the functional relevance of phosphorylation sites, experimental analysis of the interdependency between protein phosphorylation and Protein-Protein Interactions (PPIs) remains challenging. Here, we describe an experimental strategy to establish interdependencies between protein phosphorylation and complex formation. This strategy is based on three main steps: (i) systematically charting the phosphorylation landscape of a target protein; (ii) assigning distinct proteoforms of the target protein to different protein complexes by native complex separation (AP-BNPAGE) and protein correlation profiling; and (iii) analyzing proteoforms and complexes in cells lacking regulators of the target protein. We applied this strategy to YAP1, a transcriptional co-activator for the control of organ size and tissue homeostasis that is highly phosphorylated and among the most connected proteins in human cells. We identified multiple YAP1 phosphosites associated with distinct complexes and inferred how both are controlled by Hippo pathway members. We detected a PTPN14/LATS1/YAP1 complex and suggest a model how PTPN14 inhibits YAP1 via augmenting WW domain-dependent complex formation and phosphorylation by LATS1/2.
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 | 0,001 | 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 ».