MétaCan
Menu
Retour à la cohorte
Enregistrement W4391259043 · doi:10.1186/s12860-024-00499-4

Prioritization of Trypanosoma brucei editosome protein interactions interfaces at residue resolution through proteome-scale network analysis

2024· article· en· W4391259043 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBMC Molecular and Cell Biology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueTrypanosoma species research and implications
Établissements canadiensMcGill University
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health Research
Mots-clésTrypanosoma bruceiComputational biologyProteomeDrug discoveryProteomicsInteraction networkWorkflowBiologyAfrican trypanosomiasisComputer scienceData scienceBioinformaticsGeneGeneticsTrypanosomiasis

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Trypanosoma brucei is the causative agent for trypanosomiasis in humans and livestock, which presents a growing challenge due to drug resistance. While identifying novel drug targets is vital, the process is delayed due to a lack of functional information on many of the pathogen's proteins. Accordingly, this paper presents a computational framework for prioritizing drug targets within the editosome, a vital molecular machinery responsible for mitochondrial RNA processing in T. brucei. Importantly, this framework may eliminate the need for prior gene or protein characterization, potentially accelerating drug discovery efforts. RESULTS: By integrating protein-protein interaction (PPI) network analysis, PPI structural modeling, and residue interaction network (RIN) analysis, we quantitatively ranked and identified top hub editosome proteins, their key interaction interfaces, and hotspot residues. Our findings were cross-validated and further prioritized by incorporating them into gene set analysis and differential expression analysis of existing quantitative proteomics data across various life stages of T. brucei. In doing so, we highlighted PPIs such as KREL2-KREPA1, RESC2-RESC1, RESC12A-RESC13, and RESC10-RESC6 as top candidates for further investigation. This includes examining their interfaces and hotspot residues, which could guide drug candidate selection and functional studies. CONCLUSION: RNA editing offers promise for target-based drug discovery, particularly with proteins and interfaces that play central roles in the pathogen's life cycle. This study introduces an integrative drug target identification workflow combining information from the PPI network, PPI 3D structure, and reside-level information of their interface which can be applicable to diverse pathogens. In the case of T. brucei, via this pipeline, the present study suggested potential drug targets with residue-resolution from RNA editing machinery. However, experimental validation is needed to fully realize its potential in advancing urgently needed antiparasitic drug development.

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.

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 enseignants0,095
Score d'incertitude au seuil0,482

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,014
Tête enseignante GPT0,299
Écart entre enseignants0,285 · 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