Amyloid-Driven Allostery
Notice bibliographique
Résumé
The fields of allostery and amyloid-related pathologies, such as Parkinson's disease (PD), have been extensively explored individually, but less is known about how amyloids control allostery. Recent advancements have revealed that amyloids can drive allosteric effects in both intrinsically disordered proteins, such as alpha-synuclein (αS), and multi-domain signaling proteins, such as protein kinase A (PKA). Amyloid-driven allostery plays a central role in explaining the mechanisms of gain-of-pathological-function mutations in αS ( e.g. E46K, which causes early PD onset) and loss-of-physiological-function mutations in PKA ( e.g. A211D, which predisposes to tumors). This review highlights allosteric effects of disease-related mutations and how they can cause exposure of amyloidogenic regions, leading to amyloids that are either toxic or cause aberrant signaling. We also discuss multiple potential modulators of these allosteric effects, such as MgATP and kinase substrates, opening future opportunities to improve current pharmacological interventions against αS and PKA-related pathologies. Overall, we show that amyloid-driven allosteric models are useful to explain the mechanisms underlying disease-related mutations. • Amyloid-Driven Allostery (ADA) is the amplification of allosteric effects by amyloids. • ADA is observed for both intrinsically disordered and globular multi-domain proteins. • ADA explains the mechanism of action of disease-related inherited mutations. • ADA applies to gain-of-pathological / loss-of-physiological function mutations. • Metabolites and kinase substrates modulate ADA, opening pharmacological opportunities.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,002 |
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 ».