In vivo mapping of a GPCR interactome using knockin mice
Notice bibliographique
Résumé
With over 30% of current medications targeting this family of proteins, G-protein-coupled receptors (GPCRs) remain invaluable therapeutic targets. However, due to their unique physicochemical properties, their low abundance, and the lack of highly specific antibodies, GPCRs are still challenging to study in vivo. To overcome these limitations, we combined here transgenic mouse models and proteomic analyses in order to resolve the interactome of the δ-opioid receptor (DOPr) in its native in vivo environment. Given its analgesic properties and milder undesired effects than most clinically prescribed opioids, DOPr is a promising alternative therapeutic target for chronic pain management. However, the molecular and cellular mechanisms regulating its signaling and trafficking remain poorly characterized. We thus performed liquid chromatography-tandem mass spectrometry (LC-MS/MS) analyses on brain homogenates of our newly generated knockin mouse expressing a FLAG-tagged version of DOPr and revealed several endogenous DOPr interactors involved in protein folding, trafficking, and signal transduction. The interactions with a few identified partners such as VPS41, ARF6, Rabaptin-5, and Rab10 were validated. We report an approach to characterize in vivo interacting proteins of GPCRs, the largest family of membrane receptors with crucial implications in virtually all physiological systems.
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 ».