Protein‐protein interactions monitored in cells from transgenic mice using bioluminescence resonance energy transfer
Notice bibliographique
Résumé
Monitoring the dynamics of protein-protein interactions in their natural environment remains a challenge. Resonance energy transfer approaches represent a promising avenue to directly probe these interactions in real time. The present study aims at establishing a proof of principle that bioluminescence resonance energy transfer (BRET) can be used to study the regulation of protein-protein interaction in cells from transgenic animals. A transgenic mouse line coexpressing the beta(2)-adrenergic receptor fused to Renilla luciferase (beta(2)AR-Rluc) and beta arrestin-2 fused to a green fluorescent protein (GFP2-beta arr2) was generated. The fusion proteins were found to be functional in the transgenic animals and the beta(2)AR-Rluc maintained pharmacological properties, comparable to that of the native receptor. Sufficiently high luminescence signal was generated to allow detection of BRET in testis cells where the beta(2)AR-Rluc transgene was expressed at levels significantly higher than that of the endogenous receptor in this tissue but remain within physiological range when compared with other beta(2)AR-expressing tissues. Stimulation with a beta-adrenergic agonist led to a significant dose- and time-dependent increase in BRET, which reflected ligand-promoted recruitment of beta arr2 to the receptor. Our study demonstrates that BRET can be used to monitor the dynamic regulation of protein-protein interactions in cells derived from transgenic mice.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».