A general approach for chemical labeling and rapid, spatially controlled protein inactivation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Chemical labeling of proteins inside of living cells can enable studies of the location, movement, and function of proteins in vivo. Here we demonstrate an approach for chemical labeling of proteins that uses the high-affinity interaction between an FKBP12 mutant (F36V) and a synthetic, engineered ligand (SLF'). A fluorescein conjugate to the engineered ligand (FL-SLF') retained binding to FKBP12(F36V) and possessed similar fluorescence properties as parental fluorescein. FL-SLF' labeled FKBP12(F36V) fusion proteins in live mammalian cells, and was used to monitor the subcellular localization of a membrane targeted FKBP12(F36V) construct. Chemical labeling of FKBP12(F36V) fusion proteins with FL-SLF' was readily detectable at low expression levels of the FKBP12(F36V) fusion, and the level of fluorescent staining with FL-SLF' was proportional to the FKBP12(F36V) expression level. This FL-SLF'-FKBP12(F36V) labeling technique was tested in fluorophore assisted laser inactivation (FALI), a light-mediated technique to rapidly inactivate fluorophore-labeled target proteins. FL-SLF' mediated FALI of a beta-galactosidase-FKBP12(F36V) fusion protein, causing rapid inactivation of >90% of enzyme activity upon irradiation in vitro. FL-SLF' also mediated FALI of a beta-galactosidase fusion expressed in living NIH 3T3 cells, where beta-galactosidase activity was reduced in 15 s. Thus, FL-SLF' can be used to monitor proteins in vivo and to target rapid, spatially and temporally defined inactivation of target proteins in living cells in a process that we call FK-FALI.
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.
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 découle