Characterization of the activation of small GTPases by their GEFs on membranes using artificial membrane tethering
Notice bibliographique
Résumé
Active, GTP-bound small GTPases need to be attached to membranes by post-translational lipid modifications in order to process and propagate information in cells. However, generating and manipulating lipidated GTPases has remained difficult, which has limited our quantitative understanding of their activation by guanine nucleotide exchange factors (GEFs) and their termination by GTPase-activating proteins. Here, we replaced the lipid modification by a histidine tag in 11 full-length, human small GTPases belonging to the Arf, Rho and Rab families, which allowed to tether them to nickel-lipid-containing membranes and characterize the kinetics of their activation by GEFs. Remarkably, this strategy uncovered large effects of membranes on the efficiency and/or specificity in all systems studied. Notably, it recapitulated the release of autoinhibition of Arf1, Arf3, Arf4, Arf5 and Arf6 GTPases by membranes and revealed that all isoforms are efficiently activated by two GEFs with different regulatory regimes, ARNO and Brag2. It demonstrated that membranes stimulate the GEF activity of Trio toward RhoG by ∼30 fold and Rac1 by ∼10 fold, and uncovered a previously unknown broader specificity toward RhoA and Cdc42 that was undetectable in solution. Finally, it demonstrated that the exceptional affinity of the bacterial RabGEF DrrA for the phosphoinositide PI(4)P delimits the activation of Rab1 to the immediate vicinity of the membrane-bound GEF. Our study thus validates the histidine-tag strategy as a potent and simple means to mimic small GTPase lipidation, which opens a variety of applications to uncover regulations brought about by membranes.
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 ».