Effects of post-translational modifications on protein function
Notice bibliographique
Résumé
Over 200 distinct types of post-translational modifications have been identified in eukaryotic proteomes, yet the functional consequences of most remain poorly characterized. This research investigated the effects of major post-translational modifications on protein function using an integrated computational and experimental approach. A dataset comprising 847 well-characterized proteins from human cell lines was analyzed for modification patterns and functional outcomes between January 2021 and November 2022 at the Westbrook Institute of Biomedical Research. Mass spectrometry-based proteomics identified modification sites, while functional assays assessed enzymatic activity, protein stability, subcellular localization, and protein-protein interactions. Phosphorylation represented the most prevalent modification at 38.7% of detected sites, followed by ubiquitination at 22.4% and acetylation at 15.3%. Functional impact analysis revealed that phosphorylation predominantly affected enzymatic activity with 82.1% of phosphorylated enzymes showing altered catalytic parameters. Ubiquitination primarily targeted proteins for degradation, reducing stability in 76.8% of modified substrates. Acetylation demonstrated the strongest influence on DNA-binding proteins, with 78.4% of acetylated transcription factors exhibiting modified binding affinity. Glycosylation showed particular importance for protein stability at 81.2% and subcellular localization at 62.4%. Heatmap analysis of modification-function relationships revealed context-dependent effects whereby identical modifications produced opposing outcomes depending on target protein identity and cellular environment. The research identified 127 proteins subject to crosstalk between multiple modification types, suggesting coordinated regulatory networks. These findings establish quantitative relationships between specific modifications and functional outcomes, providing a framework for predicting how alterations in modification machinery contribute to disease pathogenesis and identifying potential therapeutic intervention points.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».