Auto Arginine-GlcNAcylation Is Crucial for Bacterial Pathogens in Regulating Host Cell Death
Notice bibliographique
Résumé
Many Gram-negative bacterial pathogens utilize the type III secretion system (T3SS) to inject virulence factors, named effectors, into host cells. These T3SS effectors manipulate host cellular signaling pathways to facilitate bacterial pathogenesis. Death receptor signaling plays an important role in eukaryotic cell death pathways. NleB from enteropathogenic Escherichia coli (EPEC) and SseK1/3 from Salmonella enterica serovar Typhimurium (S. Typhimurium) are T3SS effectors. They are defined as a family of arginine GlcNAc transferase to modify a conserved arginine residue in the death domain (DD) of the death receptor TNFR and their corresponding adaptors to hijack death receptor signaling. Here we identified that these enzymes, NleB, SseK1, and SseK3 could catalyze auto-GlcNAcylation. Residues, including Arg13/53/159/293 in NleB, Arg30/158/339 in SseK1, and Arg153/184/305/335 in SseK3 were identified as the auto-GlcNAcylation sites by mass spectrometry. Mutation of the auto-modification sites of NleB, SseK1, and SseK3 abolished or attenuated the capability of enzyme activity toward their death domain targets during infection. Loss of this ability led to the increased susceptibility of the cells to TNF- or TRAIL-induced cell death during bacterial infection. Overall, our study reveals that the auto-GlcNAcylation of NleB, SseK1, and SseK3 is crucial for their biological activity during infection.
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 | 0,000 |
| 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) | 0,001 | 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 ».