<i>In Vitro</i> and <i>In Vivo</i> Enzyme Activity Screening via RNA-Based Fluorescent Biosensors for <i>S</i>-Adenosyl-<scp>l</scp>-homocysteine (SAH)
Notice bibliographique
Résumé
High-throughput enzyme activity screens are essential for target characterization and drug development, but few assays employ techniques or reagents that are applicable to both in vitro and live cell settings. Here, we present a class of selective and sensitive fluorescent biosensors for S-adenosyl-l-homocysteine (SAH) that provide a direct "mix and go" activity assay for methyltransferases (MTases), an enzyme class that includes several cancer therapeutic targets. Our riboswitch-based biosensors required an alternate inverted fusion design strategy, but retained full selectivity for SAH over its close structural analogue, the highly abundant methylation cofactor S-adenosyl-l-methionine (SAM). The level of ligand selectivity for these fluorescent biosensors exceeded that of commercial antibodies for SAH and proved critical to cellular applications, as we employed them to measure methylthioadenosine nucleosidase (MTAN) activity in live Escherichia coli. In particular, we were able to monitor in vivo increase of SAH levels upon chemical inhibition of MTAN using flow cytometry, which demonstrates high-throughput, single cell measurement of an enzyme activity associated with the biosynthesis of quorum sensing signal AI-2. Thus, this study presents RNA-based fluorescent biosensors as promising molecular reagents for high-throughput enzymatic assays that successfully bridge the gap between in vitro and in vivo applications.
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 ».