AUGcontext DB: a comprehensive catalog of the mRNA AUG initiator codon context across eukaryotes
Notice bibliographique
Résumé
The mRNA translation defines the composition of the cell proteome in all forms of life and diseases. In this process, precise selection of the mRNA translation initiation site (TIS) is crucial, as it establishes the correct open reading frame for triplet decoding. We have gathered and curated all published TIS consensus context sequences. We also included the TIS consensus context from novel 538 fungal genomes available from NCBI's RefSeq database. To do so, we wrote ad hoc programs in PERL to find and extract the TIS for each annotated gene, plus ten bases upstream and three downstream. For each genome, the sequences around the TIS of each gene were obtained, and the consensus was further calculated according to the Cavener rules and by the LOGOS algorithm. We created AUGcontext DB, a portal with a comprehensive collection of TIS context sequences across eukaryotes in a range from -10 to + 6. The compilation covers species of 30 vertebrates, 17 invertebrates, 25 plants, 14 fungi, and 11 protists studied in silico; 23 experimental studies; data on biotechnology; and the discovery of 8 diseases associated with specific mutations. Additionally, TIS context sequences of cellular IRESs were included. AUGcontext DB belongs to the National Institute of Cancer (Instituto Nacional de Cancerología, INCan), Mexico, and is freely available at http://108.161.138.77:8096/. Our catalogue allows us to do comparative studies between species, may help improve the diagnosis of certain diseases, and will be key to maximize the production of recombinant proteins.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,029 |
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 source (Gemma direct ou Codex distillé), 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 ».