Discovery of Cell Compartment Specific Protein–Protein Interactions using Affinity Purification Combined with Tandem Mass Spectrometry
Notice bibliographique
Résumé
Affinity purification combined with tandem mass spectrometry (AP-MS/MS) is a well-established method used to discover interaction partners for a given protein of interest. Because most AP-MS/MS approaches are performed using the soluble fraction of whole cell extracts (WCE), information about the cellular compartments where the interactions occur is lost. More importantly, classical AP-MS/MS often fails to identify interactions that take place in the nonsoluble fraction of the cell, for example, on the chromatin or membranes; consequently, protein complexes that are less soluble are underrepresented. In this paper, we introduce a method called multiple cell compartment AP-MS/MS (MCC-AP-MS/MS), which identifies the interactions of a protein independently in three fractions of the cell: the cytoplasm, the nucleoplasm, and the chromatin. We show that this fractionation improves the sensitivity of the method when compared to the classical affinity purification procedure using soluble WCE while keeping a very high specificity. Using three proteins known to localize in various cell compartments as baits, the CDK9 subunit of transcription elongation factor P-TEFb, the RNA polymerase II (RNAP II)-associated protein 4 (RPAP4), and the largest subunit of RNAP II, POLR2A, we show that MCC-AP-MS/MS reproducibly yields fraction-specific interactions. Finally, we demonstrate that this improvement in sensitivity leads to the discovery of novel interactions of RNAP II carboxyl-terminal domain (CTD) interacting domain (CID) proteins with POLR2A.
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 | 0,002 | 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 ».