Engineered, highly reactive substrates of microbial transglutaminase enable protein labeling within various secondary structure elements
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Microbial transglutaminase (MTG) is a practical tool to enzymatically form isopeptide bonds between peptide or protein substrates. This natural approach to crosslinking the side-chains of reactive glutamine and lysine residues is solidly rooted in food and textile processing. More recently, MTG's tolerance for various primary amines in lieu of lysine have revealed its potential for site-specific protein labeling with aminated compounds, including fluorophores. Importantly, MTG can label glutamines at accessible positions in the body of a target protein, setting it apart from most labeling enzymes that react exclusively at protein termini. To expand its applicability as a labeling tool, we engineered the B1 domain of Protein G (GB1) to probe the selectivity and enhance the reactivity of MTG toward its glutamine substrate. We built a GB1 library where each variant contained a single glutamine at positions covering all secondary structure elements. The most reactive and selective variants displayed a >100-fold increase in incorporation of a recently developed aminated benzo[a]imidazo[2,1,5-cd]indolizine-type fluorophore, relative to native GB1. None of the variants were destabilized. Our results demonstrate that MTG can react readily with glutamines in α-helical, β-sheet, and unstructured loop elements and does not favor one type of secondary structure. Introducing point mutations within MTG's active site further increased reactivity toward the most reactive substrate variant, I6Q-GB1, enhancing MTG's capacity to fluorescently label an engineered, highly reactive glutamine substrate. This work demonstrates that MTG-reactive glutamines can be readily introduced into a protein domain for fluorescent labeling.
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.
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 | 0,001 | 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 | 0,001 |
| 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 découle