Study of interactions between arsenicals and thioredoxins (human and <i>E. coli</i> ) using mass spectrometry
Notice bibliographique
Résumé
Thioredoxin (Trx) plays an important role in achieving redox balances in cells and protecting the cells from oxidative damage. However, little is known about how arsenic affects Trx chemically. It is conceivable that trivalent arsenicals may bind to Trx, which has a highly conserved -CysGlyProCys- sequence. The objective of this study is to characterize the binding of seven arsenic species with Trx from E. coli and humans, using two mass spectrometry techniques. The arsenic-Trx complexes and the free arsenicals were well separated by size-exclusion liquid chromatography (LC) and detected with inductively coupled plasma mass spectrometry (ICPMS). The LC/ICPMS analyses showed that the trivalent arsenic species were able to form complexes with both human and E. coli Trx. Determination of binding constants indicated that affinity to Trx was higher for monomethylarsonous acid (MMA(III)) and phenylarsine oxide (PhAs(III)) than inorganic arsenite (iAs(III)) and dimethylarsinous acid (DMA(III)), probably because MMA(III) and PhAs(III) were able to form stable complexes by binding to two vicinal cysteines in the -CysGlyProCys- region of the Trx. The complexes of arsenicals with both human and E. coli Trx were further characterized by nano-electrospray tandem mass spectrometry. Binding stoichiometries for different arsenic species were consistent with the available cysteine residues in the Trx. Mass spectral evidence also suggests that the pentavalent arsenicals could be reduced by Trx. This study provides the first detailed chemical characterization of the interactions between Trx and arsenic species.
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 | 0,001 |
| 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 ».