Screening for Noncovalent Ligand−Receptor Interactions by Electrospray Ionization Mass Spectrometry-Based Diffusion Measurements
Notice bibliographique
Résumé
The application of a novel method for the identification of low-molecular-weight noncovalent ligands to a macromolecular target is reported. This technique is based on the measurement of analyte diffusion coefficients by electrospray mass spectrometry (ESI-MS) (Clark et al., Rapid Commun. Mass Spectrom. 2002, 16, 1454-1462). Potential ligands have large diffusion coefficients as long as they are free in solution. Binding to a macromolecular target, however, drastically reduces the diffusional mobility of any ligand species. Mixtures containing six different saccharides [ribose, rhamnose, glucose, maltose, maltotriose, and N,N',N''-triacetylchitotriose (NAG(3))] were screened for noncovalent binding to lysozyme. Of these six compounds, only NAG(3) is known to bind to the protein. In "direct" binding tests, NAG(3) shows a significantly reduced diffusion coefficient in the presence of the protein. No changes were observed for any of the other saccharides. In a second set of experiments, the use of a "competition" screening method was explored in which mixtures of candidate saccharides were tested for their ability to displace a reference ligand from the target. The addition of NAG(3)-containing mixtures significantly increased the diffusion coefficient of the reference ligand NAG(4) (N,N',N'',N'''-tetraacetylchitotetrose), whereas mixtures that did not contain NAG(3) had no effect. These data clearly indicate the potential of ESI-MS-based diffusion measurements as a novel tool to screen compound libraries for binding to proteins and other macromolecular targets. In contrast to conventional ESI-MS-based ligand-receptor binding studies, this method does not rely on the preservation of noncovalent interactions in the gas phase.
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 | 0,001 |
| 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) | 0,003 | 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 ».