Profiling the Escherichia coli membrane protein interactome captured in Peptidisc libraries
Notice bibliographique
Résumé
Protein-correlation-profiling (PCP), in combination with quantitative proteomics, has emerged as a high-throughput method for the rapid identification of dynamic protein complexes in native conditions. While PCP has been successfully applied to soluble proteomes, characterization of the membrane interactome has lagged, partly due to the necessary use of detergents to maintain protein solubility. Here, we apply the peptidisc, a ‘one-size fits all’ membrane mimetic, for the capture of the Escherichia coli cell envelope proteome and its high-resolution fractionation in the absence of detergent. Analysis of the SILAC-labeled peptidisc library via PCP allows generation of over 4900 possible binary interactions out of >700,000 random associations. Using well-characterized membrane protein systems such as the SecY translocon, the Bam complex and the MetNI transporter, we demonstrate that our dataset is a useful resource for identifying transient and surprisingly novel protein interactions. For example, we discover a trans-periplasmic supercomplex comprising subunits of the Bam and Sec machineries, including membrane-bound chaperones YfgM and PpiD. We identify RcsF and OmpA as bone fide interactors of BamA, and we show that MetQ association with the ABC transporter MetNI depends on its N-terminal lipid anchor. We also discover NlpA as a novel interactor of MetNI complex. Most of these interactions are largely undetected by standard detergent-based purification. Together, the peptidisc workflow applied to the proteomic field is emerging as a promising novel approach to characterize membrane protein interactions under native expression conditions and without genetic manipulation.
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 ».