Nanodiscs and Electrospray Ionization Mass Spectrometry: A Tool for Screening Glycolipids Against Proteins
Notice bibliographique
Résumé
Electrospray ionization-mass spectrometry (ESI-MS) is extensively employed to detect and quantify protein-carbohydrate interactions in vitro and is increasingly used to screen carbohydrate libraries against target proteins. However, current ESI-MS methods are limited to carbohydrate ligands that are relatively soluble in water and are, therefore, not generally suitable for studying protein interactions with glycolipids, an important class of cellular receptors. Here, we describe a catch-and-release (CaR)-ESI-MS assay, which exploits nanodiscs (NDs) to solubilize glycolipids and mimic their natural cellular environment, suitable for screening libraries of glycosphingolipids (GSL) against proteins to identify specific interactions and to rank their relative affinities. Using the B subunit homopentamers of cholera toxin and heat labile toxin as model GSL-binding proteins, the CaR-ESI-MS was applied to NDs containing mixtures of gangliosides. The results demonstrate that the CaR-ESI-MS assay can simultaneously detect both high and low affinity GSL ligands using either a library of NDs that each contains one GSL or incorporating a mixture of GSLs into a single ND. Moreover, the relative abundances of the released ligands appear to reflect their relative affinities in solution. Application of the CaR-ESI-MS assay using NDs containing gangliosides extracted from porcine brain led to the discovery of a neolacto GSL as a cholera toxin ligand, highlighting the power of the assay for identifying specific protein-glycolipid interactions from biologically relevant mixtures.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».