Identifying mouse genes putatively transcriptionally regulated by the glucocorticoid receptor
Notice bibliographique
Résumé
The Glucocorticoid receptor (GR) is one of many steroid hormone receptors. It controls broad physiological gene networks, confers pathological effects in a range of disease states, and offers an excellent target for therapeutic intervention. Therefore, it is necessary to better understand the mechanisms of GR regulation. In particular, we are interested in better understanding the protein-nucleotide interactions (transcription factors interacting with transcription factor binding sites). Upon glucocorticoids-hormone binding, the GR forms a protein-nucleotide interaction with a specific transcription factor binding site known as a glucocorticoid response element (GRE). This research has employed three different but complementary bioinformatics approaches to identify Mouse genes putatively transcriptionally regulated by GR. Firstly, we focus on the problem of searching for putative GREs in the complete Mouse genome using a position weight matrix. This produced a large number of putative GREs. Most of these are likely false positive predictions. Secondly, two different strategies are used to improve the accuracy of our framework: combinatorial analysis of multiple TFs/modules of TFBSs and phylogenetic footprinting (PF). The number of putative GREs can be reduced by 97.9% using the module of TFBSs analysis, 97.7% using the PF analysis, and 99.9% using both module and PF analyses. In each step, a statistical test has been used to measure the significance of the results.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,008 |
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 ».