Pressure-Sensitive and Osmolyte-Modulated Liquid–Liquid Phase Separation of Eye-Lens γ-Crystallins
Notice bibliographique
Résumé
Biomolecular condensates can be functional (e.g., as membrane-less organelles) or dysfunctional (e.g., as precursors to pathological protein aggregates). A major physical underpinning of biomolecular condensates is liquid-liquid phase separation (LLPS) of proteins and nucleic acids. Here we investigate the effects of temperature and pressure on the LLPS of the eye-lens protein γ-crystallin using UV/vis and IR absorption, fluorescence spectroscopy, and light microscopy to characterize the mesoscopic phase states. Quite unexpectedly, the LLPS of γ-crystallin is much more sensitive to pressure than folded states of globular proteins. At low temperatures, the phase-separated droplets of γ-crystallin dissolve into a homogeneous solution at as low as ∼0.1 kbar whereas proteins typically unfold above ∼3 kbar. This observation suggests, in general, that organisms thriving under high-pressure conditions in the deep sea, with pressure of up to 1 kbar, have to cope with this pressure sensitivity of biomolecular condensates to avoid detrimental impacts to their physiology. Interestingly, our experiments demonstrate that trimethylamine- N-oxide, an osmolyte upregulated in deep-sea fish, significantly enhances the stability of the condensed protein droplets, pointing to a previously unrecognized aspect of the adaptive advantage of increased concentrations of osmolytes in deep-sea organisms. As the birth place of life on earth could have been the deep sea, studies of pressure effects on LLPS as presented here are relevant to the possible formation of protocells under prebiotic conditions. A physical framework to conceptualize our observations and further ramifications of biomolecular LLPS at low temperatures and high hydrostatic pressures is discussed.
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 ».