Arsenic Metalation of Seaweed <i>Fucus vesiculosus</i> Metallothionein: The Importance of the Interdomain Linker in Metallothionein
Notice bibliographique
Résumé
The presence of metallothionein in seaweed Fucus vesiculosus has been suggested as the protecting agent against toxic metals in the contaminated waters it can grow in. We report the first kinetic pathway data for A3+ binding to an algal metallothionein, F. vesiculosus metallothionein (rfMT). The time and temperature dependence of the relative concentrations of apo-rfMT and the five As-containing species have been determined following mixing of As3+ and apo-rfMT using electrospray ionization mass spectrometry (ESI MS). Kinetic analysis of the detailed time-resolved mass spectral data for As3+ metalation allows the simulation of the metalation reactions showing the consumption of apo-rfMT, the formation and consumption of As1- to As4-rfMT, and subsequent, final formation of As5-rfMT. The kinetic model proposed here provides a stepwise analysis of the metalation reaction showing time-resolved occupancy of the Cys7 and the Cys9 domain. The rate constants (M(-1) s(-1)) calculated from the fits for the 7-cysteine gamma domain are k1gamma, 19.8, and k2gamma, 1.4, and for the 9-cysteine beta domain are k1beta, 16.3, k2beta, 9.1, and k3beta, 2.2. The activation energies and Arrhenius factors for each of the reaction steps are also reported. rfMT has a long 14 residue linker, which as we show from analysis of the ESI MS data, allows each of its two domains to bind As3+ independently of each other. The analysis provides for the first time an explanation of the differing metal-binding properties of two-domain MTs with linkers of varying lengths, suggesting further comparison between plant (with long linkers) and mammalian (with short linkers) metallothioneins will shed light on the role of the interdomain linker.
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 | 0,001 | 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 ».