MétaCan
Menu
Retour à la cohorte
Enregistrement W4379202819 · doi:10.1101/2023.05.31.543137

Quantifying collective interactions in biomolecular phase separation

2023· preprint· en· W4379202819 sur OpenAlexaff
Hannes Ausserwӧger, Daoyuan Qian, Georg Krainer, Ella de Csilléry, Timothy J. Welsh, Tomas Šneideris, Titus M. Franzmann, Seema Qamar, Nadia A. Erkamp, Jonathon Nixon‐Abell, Mrityunjoy Kar, Peter St George‐Hyslop, Anthony A. Hyman, Simon Alberti, Rohit V. Pappu, Tuomas P. J. Knowles

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2023
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Research and Splicing
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesHorizon 2020 Framework ProgrammeNovo NordiskEuropean Commission
Mots-clésSolvationChemical physicsCollective behaviorProtein–protein interactionPhase (matter)ChemistryBiological systemMoleculeNanotechnologyMaterials scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Biomolecular phase separation plays a pivotal role in governing critical biological functions and arises from the collective interactions of large numbers of molecules. Characterising the underlying collective interactions of phase separation, however, has proven to be challenging with currently available tools. Here, we propose a general and easily accessible strategy to quantify collective interactions in biomolecular phase separation with respect to composition and energetics. By measuring the dilute phase concentration of one species only, we determine tie line gradients and free energy dominance as dedicated descriptors of collective interactions. We apply this strategy to dissect the role of salts and small molecules on phase separation of the protein fused in sarcoma (FUS). We discover that monovalent salts can display both exclusion from or preferential partitioning into condensates to either counteract charge screening or enhance non-ionic interactions. Moreover, we show that the common hydrophobic interaction disruptor 1,6-hexanediol inhibits FUS phase separation by acting as a solvation agent capable of expanding the protein polypeptide chain. Taken together, our work presents a widely applicable strategy that enables quantification of collective interactions and provides unique insights into the underlying mechanisms of condensate formation and modulation.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,048
Tête enseignante GPT0,347
Écart entre enseignants0,298 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations19
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetRNA Research and SplicingTravaux en français237 207