Mapping substrate interactions of the human membrane-associated neuraminidase, NEU3, using STD NMR
Notice bibliographique
Résumé
Saturation transfer difference (STD) nuclear magnetic resonance (NMR) is a powerful technique which can be used to investigate interactions between proteins and their substrates. The method identifies specific sites of interaction found on a small molecule ligand when in complex with a protein. The ability of STD NMR to provide specific insight into binding interactions in the absence of other structural data is an attractive feature for its use with membrane proteins. We chose to employ STD NMR in our ongoing investigations of the human membrane-associated neuraminidase NEU3 and its interaction with glycolipid substrates (e.g., GM3). In order to identify critical substrate-enzyme interactions, we performed STD NMR with a catalytically inactive form of the enzyme, NEU3(Y370F), containing an N-terminal maltose-binding protein (MBP)-affinity tag. In the absence of crystallographic data on the enzyme, these data represent a critical experimental test of proposed homology models, as well as valuable new structural data. To aid interpretation of the STD NMR data, we compared the results with molecular dynamics (MD) simulations of the enzyme-substrate complexes. We find that the homology model is able to predict essential features of the experimental data, including close contact of the hydrophobic aglycone and the Neu5Ac residue with the enzyme. Additionally, the model and STD NMR data agree on the facial recognition of the galactose and glucose residues of the GM3-analog studied. We conclude that the homology model of NEU3 can be used to predict substrate recognition, but our data indicate that unstructured portions of the NEU3 model may require further refinement.
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 | 0,000 | 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 ».