Evaluating sequential and allosteric activation models in <i>I</i>Ks channels with mutated voltage sensors
Notice bibliographique
Résumé
The ion-conducting IKs channel complex, important in cardiac repolarization and arrhythmias, comprises tetramers of KCNQ1 α-subunits along with 1-4 KCNE1 accessory subunits and calmodulin regulatory molecules. The E160R mutation in individual KCNQ1 subunits was used to prevent activation of voltage sensors and allow direct determination of transition rate data from complexes opening with a fixed number of 1, 2, or 4 activatable voltage sensors. Markov models were used to test the suitability of sequential versus allosteric models of IKs activation by comparing simulations with experimental steady-state and transient activation kinetics, voltage-sensor fluorescence from channels with two or four activatable domains, and limiting slope currents at negative potentials. Sequential Hodgkin-Huxley-type models approximately describe IKs currents but cannot explain an activation delay in channels with only one activatable subunit or the hyperpolarizing shift in the conductance-voltage relationship with more activatable voltage sensors. Incorporating two voltage sensor activation steps in sequential models and a concerted step in opening via rates derived from fluorescence measurements improves models but does not resolve fundamental differences with experimental data. Limiting slope current data that show the opening of channels at negative potentials and very low open probability are better simulated using allosteric models of activation with one transition per voltage sensor, which implies that movement of all four sensors is not required for IKs conductance. Tiered allosteric models with two activating transitions per voltage sensor can fully account for IKs current and fluorescence activation kinetics in constructs with different numbers of activatable voltage sensors.
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 ».