Detecting Protein–Glycolipid Interactions Using CaR-ESI-MS and Model Membranes: Comparison of Pre-loaded and Passively Loaded Picodiscs
Notice bibliographique
Résumé
Catch-and-release electrospray ionization mass spectrometry (CaR-ESI-MS), implemented using model membranes (MMs), is a promising approach for the discovery of glycolipid ligands of glycan-binding proteins (GBPs). Picodiscs (PDs), which are lipid-transporting complexes composed of the human sphingolipid activator protein saposin A and phospholipids, have proven to be useful MMs for such studies. The present work compares the use of conventional (pre-loaded) PDs with passively loaded PDs ( PL PDs) for CaR-ESI-MS screening of glycolipids against cholera toxin B subunit homopentamer (CTB 5 ). The pre-loaded PDs were prepared from a mixture of purified glycolipid and phospholipid or a mixture of lipids extracted from tissue, while the PL PDs were prepared by incubating PDs containing only phospholipid with glycolipid-containing lipid mixtures in aqueous solution. Time-dependent changes in the composition of the PL PDs produced by incubation with glycomicelles of the ganglioside GM1 were monitored using collision-induced dissociation of the gaseous PD ions and from the extent of ganglioside binding to CTB 5 measured by ESI-MS. GM1 incorporation into PDs was evident within a few hours of incubation. At incubation times ≥ 10 days, GM1 binding to CTB 5 was indistinguishable from that observed with pre-loaded PDs produced directly from GM1 at the same concentration. Comparison of ganglioside binding to CTB 5 measured for pre-loaded PDs and PL PDs prepared from glycolipids extracted from pig and mouse brain revealed that the PL PDs allow for the detection of a greater number of ganglioside ligands. Together, the results of this study suggest PL PDs may have advantages over conventionally prepared PDs for screening glycolipids against GBPs using CaR-ESI-MS.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».