mChIP-KAT-MS, a method to map protein interactions and acetylation sites for lysine acetyltransferases
Notice bibliographique
Résumé
Recent global proteomic and genomic studies have determined that lysine acetylation is a highly abundant posttranslational modification. The next challenge is connecting lysine acetyltransferases (KATs) to their cellular targets. We hypothesize that proteins that physically interact with KATs may not only predict the cellular function of the KATs but may be acetylation targets. We have developed a mass spectrometry-based method that generates a KAT protein interaction network from which we simultaneously identify both in vivo acetylation sites and in vitro acetylation sites. This modified chromatin-immunopurification coupled to an in vitro KAT assay with mass spectrometry (mChIP-KAT-MS) was applied to the Saccharomyces cerevisiae KAT nucleosome acetyltransferase of histone H4 (NuA4). Using mChIP-KAT-MS, we define the NuA4 interactome and in vitro-enriched acetylome, identifying over 70 previously undescribed physical interaction partners for the complex and over 150 acetyl lysine residues, of which 108 are NuA4-specific in vitro sites. Through this method we determine NuA4 acetylation of its own subunit Epl1 is a means of self-regulation and identify a unique link between NuA4 and the spindle pole body. Our work demonstrates that this methodology may serve as a valuable tool in connecting KATs with their cellular targets.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».