Kinetic and Conformational Insights into Islet Amyloid Polypeptide Self-Assembly Using a Biarsenical Fluorogenic Probe
Notice bibliographique
Résumé
Amyloid fibril formation and tissue deposition are associated with many diseases. Studies have shown that prefibrillar intermediates, such as oligomers, are the most toxic proteospecies of the amyloidogenic cascade. Thus, understanding the mechanisms of formation and the conformational ensemble of prefibrillar species is critical. Due to their transient and heterogeneous nature, detection and characterization of prefibrillar species remain challenging. The fluorogenic probe fluorescein arsenical hairpin (FlAsH), which recognizes a tetracysteine motif, has been recently used to detect the oligomerization of amyloidogenic peptides encompassing a Cys-Cys tag. In this study, we extended the FlAsH detection method to gain novel kinetic and conformational insights into the self-assembly of islet amyloid polypeptide (IAPP), a 37-residue peptide hormone whose deposition is associated with type II diabetes. By positional scanning of the Cys-Cys motif, the stability of the noncontiguous tetracysteine FlAsH-binding sites formed during self-assembly was evaluated and revealed rapid monomer self-recognition through the convergence of C-terminal domains. On the other hand, the N-terminal domains come close to each other only upon the formation of the cross-β-sheet amyloid structure. We demonstrated that this method is well-suited to detect thioflavin T-negative fibrils and to screen inhibitors of amyloid formation. This study highlights that with positional scanning of the split-tetracysteine motif (Cys-Cys), the FlAsH detection method offers unique time-dependent conformational insights on the proteospecies assembled throughout the amyloidogenic pathway.
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 ».