Asparagine Repeat Peptides: Aggregation Kinetics and Comparison with Glutamine Repeats
Notice bibliographique
Résumé
Amino acid repeat runs are common occurrences in eukaryotic proteins, with glutamine (Q) and asparagine (N) as particularly frequent repeats. Abnormal expansion of Q-repeat domains causes at least nine neurodegenerative disorders, most likely because expansion leads to protein misfolding, aggregation, and toxicity. The linkage between Q-repeats and disease has motivated several investigations into the mechanism of aggregation and the role of Q-repeat length in aggregation. Curiously, glutamine repeats are common in vertebrates, whereas N-repeats are virtually absent in vertebrates, but common in invertebrates. One hypothesis for the lack of N-repeats in vertebrates is biophysical; that is, there is strong selective pressure in higher organisms against aggregation-prone proteins. If true, then asparagine and glutamine repeats must differ substantially in their aggregation properties despite their chemical similarities. In this work, aggregation of peptides with asparagine repeats of variable length (12-24) were characterized and compared to that of similar peptides with glutamine repeats. As with glutamine, aggregation of N-repeat peptides was strongly length-dependent. Replacement of glutamine with asparagine caused a subtle shift in the conformation of the monomer, which strongly affected the rate of aggregation. Specifically, N-repeat peptides adopted β-turn structural elements, leading to faster self-assembly into globular oligomers and much more rapid conversion into fibrillar aggregates, compared to Q-repeat peptides. These biophysical differences may account for the differing biological roles of N- versus Q-repeat domains.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».