Selection of galectin‐3 ligands derived from genetically encoded glycopeptide libraries
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
Abstract In this article, we used genetically encoded fragment‐based discovery (GE‐FBD) approach to identify glycopeptides that bind to the carbohydrate recognition domain of the human galectin‐3 (G3C). We generated 6 chemically identical phage libraries Ser‐[X] 4 ‐Gly‐Gly‐Gly, built on variable combinations of redundant Ser and Gly codons. Oxime ligation of hydroxylamine derivatives of galactose (Gal), glucose (Glu), mannose (Man), rhamnose (Rha), and xylose (Xyl) produced a glycopeptide library in which both peptide and glycan can be decoded via DNA sequencing. Screening of this library against G3C identified 1062 combinations of monosaccharides and peptides that exhibited a significant ( P < .05) enrichment on G3C and not control selections. Glycopeptides Gal‐WKPE, Gal‐WHVP, and Gal‐LSMA displayed on phage exhibited up to 63‐fold increase in binding potency to G3C when compared to phage displaying random glycopeptide or nonglycosylated SWKPE, SWHVP, and SLSMA. This work mapped the boundary conditions of the GE‐FBD approach with respect to the affinity of individual fragments. We observed that fragments with no detectable affinity (Glu, Xyl, and Rha) diverted the selection toward ligands that bind to G3C equally well with or without the glycan. Weak fragments (Gal, 10 mM) could effectively steer the selection toward G3C ligands in which glycan and peptide bind synergistically.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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