Quantitative Interactor Screening with next-generation Sequencing (QIS-Seq) identifies Arabidopsis thaliana MLO2 as a target of the Pseudomonas syringae type III effector HopZ2
Notice bibliographique
Résumé
BACKGROUND: Identification of protein-protein interactions is a fundamental aspect of understanding protein function. A commonly used method for identifying protein interactions is the yeast two-hybrid system. RESULTS: Here we describe the application of next-generation sequencing to yeast two-hybrid interaction screens and develop Quantitative Interactor Screen Sequencing (QIS-Seq). QIS-Seq provides a quantitative measurement of enrichment for each interactor relative to its frequency in the library as well as its general stickiness (non-specific binding). The QIS-Seq approach is scalable and can be used with any yeast two-hybrid screen and with any next-generation sequencing platform. The quantitative nature of QIS-Seq data make it amenable to statistical evaluation, and importantly, facilitates the standardization of experimental design, data collection, and data analysis. We applied QIS-Seq to identify the Arabidopsis thaliana MLO2 protein as a target of the Pseudomonas syringae type III secreted effector protein HopZ2. We validate the interaction between HopZ2 and MLO2 in planta and show that the interaction is required for HopZ2-associated virulence. CONCLUSIONS: We demonstrate that QIS-Seq is a high-throughput quantitative interactor screen and validate MLO2 as an interactor and novel virulence target of the P. syringae type III secreted effector HopZ2.
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 ».