Phosphoinositide Metabolism: Biochemistry, Physiology and Genetic Disorders
Notice bibliographique
Résumé
Phosphatidylinositol, a glycerophospholipid with a myo-inositol head group, can form seven different phosphoinositides (PItds) by phosphorylation at inositol carbons 3, 4 and/or 5. Over 50 kinases and phosphatases participate in PItd metabolism, creating an interconnected PItd network that allows for precise temporal and spatial regulation of PItd levels. We review paradigms of PItd action, including (1) the establishment of subcellular organelle identity by the acquisition of specific PItd signatures, permitting regulation of key processes of cell biology including trafficking (exocytosis, clathrin-dependent and -independent endocytosis, formation and function of membrane contact sites, cytoskeletal remodeling), (2) signaling through phospholipase C cleavage of phosphatidylinositol 4,5-bisphosphate to inositol 1,4,5-trisphosphate and DAG, and (3) roles of PItds in molecular transport at membrane contact sites. To date, variants in 34 genes of PItd metabolism account for at least 41 distinguishable monogenic conditions. Clinical presentations of these disorders produce a broad and often multisystemic spectrum of effects. The nervous system is often involved, and muscular, immunological, skeletal, renal, ophthalmologic and dermatologic features occur in several conditions. Some syndromes involving PItd metabolism can be distinguished clinically, but most diagnoses currently result from broad molecular diagnostic testing performed for the patient's presenting clinical complaint. Genetic disorders of PItd metabolism are a broad, expanding and challenging category of inborn errors. Challenges include improved documentation of the clinical spectra, development of broad biochemical diagnostic methods for these conditions and better understanding of the PItd networks in different cells and subcellular compartments necessary for the development of disease-specific therapies.
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) | 0,001 | 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 | 0,000 |
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 ».