Functional characterization of virus-kinase interactions during cellular entry of hepatitis C virus
Bibliographic record
Abstract
Le virus de l'hépatite C (HCV) est une cause majeure de maladie chronique du foie et de carcinome hépatocellulaire. Les options thérapeutiques pour traiter l'hépatite chronique sont limitées par des coûts élevés, des effets secondaires et une résistance virale. L'entrée du HCV est la première étape d'interaction entre le virus et la cellule hôte. Elle est requise pour l'initiation, la propagation et le maintien de l'infection, ce qui en fait une cible prometteuse pour les traitements antiviraux. L entrée du HCV nécessite l'interaction coopérative de plusieurs facteurs cellulaires, y compris CD81 et claudine-1 (CLDN1). Nous avons récemment identifié un rôle pour le récepteur à l EGF (EGFR) et le récepteur à l ephrine A2 (EphA2) dans l'entrée du HCV par la régulation de la formation du complexe de co-récepteurs CD81-CLDN1, ce qui suggère que la signalisation de ces récepteurs joue un rôle dans l'entrée du virus. Nous avons voulu identifier les mécanismes moléculaires de signalisation de l EGFR requis pour l'entrée du HCV et avons identifié HRas comme un transducteur de signalisation clé de l'hôte. Des études d'imagerie ont révélées que la signalisation de HRas peut moduler la diffusion et le trafic membranaire de CD81, ce qui permet l assemblage du complexe de récepteurs. De plus, HRas s associe avec les récepteurs de l'hôte CD81 et CLDN1 et des facteurs d entrée du HCV inconnus jusque là: l intégrine beta1 et Rap2B. Le HCV profite donc de la signalisation de HRas pour l'entrée cellulaire. Ces données améliorent notre compréhension des mécanismes moléculaires de l'entrée du HCV induite par l EGFR et ouvrent de nouvelles perspectives pour le développement d'antiviraux.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.029 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".