Identification of carbohydrates binding to lectins by using surface plasmon resonance in combination with HPLC profiling
Notice bibliographique
Résumé
A new, powerful method is presented for screening the binding in real time and taking place under dynamic conditions of oligosaccharides to lectins. The approach combines an SPR biosensor and HPLC profiling with fluorescence detection, and is applicable to complex mixtures of oligosaccharides in terms of ligand-fishing. Labeling the oligosaccharides with 2-aminobenzamide ensures a detection level in the fmol range. In an explorative study the binding of RNase B-derived oligomannose-type N-glycans to biosensor-immobilized concanavalin A (Con A) was examined, and an affinity ranking could be established for Man(5)GlcNAc(2) to Man(9)GlcNAc(2), as monitored by HPLC. In subsequent experiments and using well-defined labeled as well as nonlabeled oligosaccharides, it was found that the fluorescent tag does not interfere with the binding and that the optimum epitope for the interaction with Con A comprises the tetramannoside unit Manalpha2Manalpha6(Manalpha3)Man[D(3)B(A)4'], rather than the generally accepted trimannoside Manalpha6 (Manalpha3)Man [B(A)4' or 4(4')3]. In a similar experimental setup, the interaction of various fucosylated human milk oligosaccharides with the fucose-binding lectin from Lotus tetragonolobus purpureaus was studied, and it appeared that oligosaccharides containing blood group H could selectively be retained and eluted from the lectin-coated surface. Finally, using the same lectin and a mixture of O-glycans derived from bovine submaxillary gland mucin, minor constituents but containing fucose could selectively be picked from the analyte solution as demonstrated by HPLC profiling.
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 ».