MétaCan
Menu
Retour à la cohorte
Enregistrement W4413051754 · doi:10.1139/bcb-2025-0194

Computational screening of filamin mechanical binding proteins using AlphaFold2

2025· article· en· W4413051754 sur OpenAlexafffundvenue
Jennifer A. Johnson, Nicanor González‐Morales

Notice bibliographique

RevueBiochemistry and Cell Biology · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCellular Mechanics and Interactions
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaResearch Nova ScotiaCanada Foundation for Innovation
Mots-clésFilaminContext (archaeology)Plasma protein bindingComputational biologyBiophysicsBinding siteBiologyChemistryCell biologyBiochemistryCytoskeleton

Résumé

récupéré en direct d'OpenAlex

Filamins are dimeric actin-binding protein that play a critical role in mechanical signaling. They contain a mechanosensory region (MSR) that naturally folds into a globular closed conformation. Under mechanical stress, the MSR unfolds into an open conformation, exposing binding sites for numerous proteins. Filamins are involved in diverse cellular functions, and their mechanical binding targets are highly context-dependent. In this study, we employed AlphaFold2 modelling for screening proteins that specifically recognize the open conformation of filamins. We focused on the Drosophila melanogaster filamin, Cheerio, and conducted a biased screen to identify mechanical binding proteins. We selected the top 132 hits from the initial screening for further characterization. All identified binding proteins specifically recognize the open conformation of the MSR and not the closed conformation. Interestingly, the binding regions of these proteins lack obvious sequence similarity. While some false positives were identified, they could be effectively filtered out based on the secondary structure formed at the binding interface. This study provides a framework for identifying specifically filamin interactions in mechanosignaling.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,012
Tête enseignante GPT0,266
Écart entre enseignants0,253 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations3
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBiochemistry and Cell BiologyMême sujetCellular Mechanics and InteractionsTravaux en français237 207