Two-Photon Excitation Fluorescence Cross-Correlation Assay for Ligand−Receptor Binding: Cell Membrane Nanopatches Containing the Human μ-Opioid Receptor
Notice bibliographique
Résumé
Current ligand-receptor binding assays for G-protein coupled receptors cannot directly measure the system's dissociation constant, Kd, without purification of the receptor protein. Accurately measured Kd's are essential in the development of a molecular level understanding of ligand-receptor interactions critical in rational drug design. Here we report the introduction of two-photon excitation fluorescence cross-correlation spectroscopy (TPE-FCCS) to the direct analysis of ligand-receptor interactions of the human micro opioid receptor (hMOR) for both agonists and antagonists. We have developed the use of fluorescently distinct, dye-labeled hMOR-containing cell membrane nanopatches ( approximately 100-nm radius) and ligands, respectively, for this assay. We show that the output from TPE-FCCS data sets can be converted to the conventional Hill format, which provides Kd and the number of active receptors per nanopatch. When ligands are labeled with quantum dots, this assay can detect binding with ligand concentrations in the subnanomolar regime. Interestingly, conjugation to a bulky quantum dot did not adversely affect the binding propensity of the hMOR pentapeptide ligand, Leu-enkephalin.
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 | 0,001 | 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 ».