Surface expression regulation of potassium voltage-gated channels
Bibliographic record
Abstract
Les canaux ioniques permettent le passage des ions continuel ou en réponse à des stimuli, jouant un rôle important dans le fonctionnement cellulaire. Les mutations génétiques dans les canaux ioniques peuvent causer plusieurs troubles neurodéveloppementaux et cardiovasculaires, collectivement appelés canalopathies. Bien que les altérations génétiques des canaux ioniques modifient l’expression des canaux, les mécanismes cellulaires régulant l'expression des canaux à la surface restent inconnus. Pour répondre à cette question, nous avons étudié l'expression en surface des variantes zH4IR et W434F du canal potassique régulé par le voltage (Kv) Shaker. La variante W434F s'exprime près de 300 fois plus que zH4IR. La coexpression des deux variantes indique la formation d'un complexe hétéromérique entre les deux variantes. Pour vérifier si les propriétés non conductrices de la variante W434F modulent positivement son trafic du réticulum endoplasmique (ER) vers la surface, nous avons introduit un courant de K+ dans la membrane plasmique ou l'ER en utilisant soit des variantes zH4IR, soit KDEL d'un canal potassique rectifiant inward Kir7.1, la séquence KDEL entraînant la rétention de Kir7.1 dans l'ER. La coexpression avec Kir7.1-KDEL, et non avec Kir7.1, a diminué le nombre de canaux W434F à la surface, tandis que l'expression de zH4IR est restée inchangée. L'expression des variantes de canaux en présence de 4-Aminopyridine (4-AP), un bloqueur de Kv perméable, a augmenté le nombre de canaux zH4IR, mais pas ceux de W434F. Cela suggère que la conductance de K+ à travers l'ER lors de l'assemblage des canaux régule le nombre de canaux Kv à la surface de la cellule.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".