Understanding Biases in Liquid–Liquid Phase Separation: Investigating Amino Acid Enrichments in Phase-Separating Proteins toward Peptide Design
Notice bibliographique
Résumé
Liquid-liquid phase separation (LLPS) facilitates the formation of membraneless organelles, enhancing biochemical processes. The stickers-and-spacers model explains LLPS but is mainly validated in prion-like RNA-binding proteins. To broaden our understanding, we investigated peptide motifs associated with LLPS across diverse protein contexts using a computational approach on the droplet-promoting regions (DPRs) of 178 phase-separating proteins. The study identified 129 enriched peptide motifs (3-6 residues), characterized by Gly-rich sequences interspersed with aromatic, charged, and polar residues, as well as homopeptide repeats (e.g., GGDR, SRGG, QQQQ). Analysis of motif presence and frequency revealed a widespread distribution across DPRs and significant repetitive patterns. Motif trios with a higher likelihood of co-occurrence were utilized in a data-driven approach to design peptides with LLPS propensity. The designed peptides exhibited liquid-like behavior with different dynamics upon experimental validation. This work provides insights into sequence determinants of phase separation and offers the potential for designing synthetic condensates with tailored properties.
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 | 0,000 |
| 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 ».