Comparing kinetic proofreading and kinetic segregation for T cell receptor activation
Notice bibliographique
Résumé
The T cell receptor (TCR) is a key component of the adaptive immune system, recognizing foreign antigens (ligands) and triggering an immune response. To explain the high sensitivity and selectivity of the TCR in discriminating “self” from “non-self” ligands, most models evoke kinetic proofreading (KP) schemes, however it is unclear how competing models used for TCR triggering, such as the kinetic segregation (KS) model, influence KP performance. In this paper, we consider two different TCR triggering models and their influence on subsequent KP-based ligand discrimination by the TCR: a classic conformational change model (CC-KP), where ligand-TCR binding is strictly required for activation, and the kinetic segregation model (KS-KP), where only residence of the TCR within a close contact devoid of kinases is required for its activation. Building on previous work, our computational model permits a head-to-head comparison of these models . While we find that both models can be used to explain the probability of TCR activation across much of the parameter space, we find biologically important regions in the parameter space where significant differences in performance can be expected. Furthermore, we show that the available experimental evidence may favor the KS-KP model over CC-KP. Our results may be used to motivate and guide future experiments to determine accurate mathematical models of TCR function.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».