MétaCan
Menu
Retour à la cohorte
Enregistrement W4394842841 · doi:10.1016/j.cbpa.2024.102454

Advances in understanding and exploiting Siglec–glycan interactions

2024· article· en· W4394842841 sur OpenAlexafffund
Zeinab Jame-Chenarboo, Taylor E. Gray, Matthew S. Macauley

Notice bibliographique

RevueCurrent Opinion in Chemical Biology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGlycosylation and Glycoproteins Research
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsUniversity of Alberta
Mots-clésSIGLECGlycanComputational biologyBiologyCognitive scienceComputer sciencePsychologyGeneticsGlycoproteinImmune system

Résumé

récupéré en direct d'OpenAlex

Sialic-acid-binding immunoglobulin-type lectins (Siglecs) are a family of cell-surface immunomodulatory receptors that recognize sialic-acid-containing glycans. The majority of Siglecs have an inhibitory motif in their intercellular domain and can regulate the cellular activation of immune cells. Importantly, the immunomodulatory role of Siglecs is regulated by engagement with distinct sialoglycan ligands. However, there are still many unanswered questions about the precise ligand(s) recognized by individual Siglec family members. New tools and approaches to study Siglec-ligand interactions are rapidly filling this knowledge gap. This review provides an overview of recent advances in discovering Siglec ligands as well as the development of approaches to modulate the function of Siglecs. In both aspects, chemical biology approaches are emphasized with a discussion on how these are complementing biochemical and genetic strategies.

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 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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,884
Score d'incertitude au seuil0,357

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,093
Tête enseignante GPT0,417
Écart entre enseignants0,325 · 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 tête enseignante, pas un consensus.

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

Citations16
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Chemical BiologyMême sujetGlycosylation and Glycoproteins ResearchTravaux en français237 207