Genetically Encoded Fragment-Based Discovery of Glycopeptide Ligands for Carbohydrate-Binding Proteins
Notice bibliographique
Résumé
We describe an approach to accelerate the search for competitive inhibitors for carbohydrate-recognition domains (CRDs). Genetically encoded fragment-based discovery (GE-FBD) uses selection of phage-displayed glycopeptides to dock a glycan fragment at the CRD and guide selection of synergistic peptide motifs adjacent to the CRD. Starting from concanavalin A (ConA), a mannose (Man)-binding protein, as a bait, we narrowed a library of 10(8) glycopeptides to 86 leads that share a consensus motif, Man-WYD. Validation of synthetic leads yielded Man-WYDLF that exhibited 40-50-fold enhancement in affinity over methyl α-d-mannopyranoside (MeMan). Lectin array suggested specificity: Man-WYD derivative bound only to 3 out of 17 proteins—ConA, LcH, and PSA—that bind to Man. An X-ray structure of ConA:Man-WYD proved that the trimannoside core and Man-WYD exhibit identical CRD docking, but their extra-CRD binding modes are significantly different. Still, they have comparable affinity and selectivity for various Man-binding proteins. The intriguing observation provides new insight into functional mimicry of carbohydrates by peptide ligands. GE-FBD may provide an alternative to rapidly search for competitive inhibitors for lectins.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 ».