Alpha-actinin binding kinetics modulate cellular dynamics and force generation
Notice bibliographique
Résumé
The actin cytoskeleton is a key element of cell structure and movement whose properties are determined by a host of accessory proteins. Actin cross-linking proteins create a connected network from individual actin filaments, and though the mechanical effects of cross-linker binding affinity on actin networks have been investigated in reconstituted systems, their impact on cellular forces is unknown. Here we show that the binding affinity of the actin cross-linker α-actinin 4 (ACTN4) in cells modulates cytoplasmic mobility, cellular movement, and traction forces. Using fluorescence recovery after photobleaching, we show that an ACTN4 mutation that causes human kidney disease roughly triples the wild-type binding affinity of ACTN4 to F-actin in cells, increasing the dissociation time from 29 ± 13 to 86 ± 29 s. This increased affinity creates a less dynamic cytoplasm, as demonstrated by reduced intracellular microsphere movement, and an approximate halving of cell speed. Surprisingly, these less motile cells generate larger forces. Using traction force microscopy, we show that increased binding affinity of ACTN4 increases the average contractile stress (from 1.8 ± 0.7 to 4.7 ± 0.5 kPa), and the average strain energy (0.4 ± 0.2 to 2.1 ± 0.4 pJ). We speculate that these changes may be explained by an increased solid-like nature of the cytoskeleton, where myosin activity is more partitioned into tension and less is dissipated through filament sliding. These findings demonstrate the impact of cross-linker point mutations on cell dynamics and forces, and suggest mechanisms by which such physical defects lead to human disease.
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 | 0,000 |
| 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 ».