Identification of ERGIC-53 as an intracellular transport receptor of α1-antitrypsin
Notice bibliographique
Résumé
Secretory proteins are exported from the endoplasmic reticulum (ER) by bulk flow and/or receptor-mediated transport. Our understanding of this process is limited because of the low number of identified transport receptors and cognate cargo proteins. In mammalian cells, the lectin ER Golgi intermediate compartment 53-kD protein (ERGIC-53) represents the best characterized cargo receptor. It assists ER export of a subset of glycoproteins including coagulation factors V and VIII and cathepsin C and Z. Here, we report a novel screening strategy to identify protein interactions in the lumen of the secretory pathway using a yellow fluorescent protein-based protein fragment complementation assay. By screening a human liver complementary DNA library, we identify alpha1-antitrypsin (alpha1-AT) as previously unrecognized cargo of ERGIC-53 and show that cargo capture is carbohydrate- and conformation-dependent. ERGIC-53 knockdown and knockout cells display a specific secretion defect of alpha1-AT that is corrected by reintroducing ERGIC-53. The results reveal ERGIC-53 to be an intracellular transport receptor of alpha1-AT and provide direct evidence for active receptor-mediated ER export of a soluble secretory protein in higher eukaryotes.
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 | 0,000 |
| 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 ».