MétaCan
Menu
Retour à la cohorte
Enregistrement W3084193991 · doi:10.1038/s41598-020-71630-6

Stoichiometric analysis of protein complexes by cell fusion and single molecule imaging

2020· article· en· W3084193991 sur OpenAlexfundno aff
Avtar Singh, Alexander L. Van Slyke, Maria Sirenko, Alexander Song, Paul J. Kammermeier, Warren R. Zipfel

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Fluorescence Microscopy Techniques
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Drug AbuseNational Institutes of HealthUniversité de MontréalNational Science Foundation
Mots-clésStoichiometryPhotobleachingMoleculeFluorophoreBiophysicsProtein subunitChemistryColocalizationFluorescence correlation spectroscopyFluorescence recovery after photobleachingMembraneFluorescenceCrystallographyBiochemistryBiologyPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

The composition, stoichiometry and interactions of supramolecular protein complexes are a critical determinant of biological function. Several techniques have been developed to study molecular interactions and quantify subunit stoichiometry at the single molecule level. However, these typically require artificially low expression levels or detergent isolation to achieve the low fluorophore concentrations required for single molecule imaging, both of which may bias native subunit interactions. Here we present an alternative approach where protein complexes are assembled at physiological concentrations and subsequently diluted in situ for single-molecule level observations while preserving them in a near-native cellular environment. We show that coupling this dilution strategy with fluorescence correlation spectroscopy permits quantitative assessment of cytoplasmic oligomerization, while stepwise photobleaching and single molecule colocalization may be used to study the subunit stoichiometry of membrane receptors. Single protein recovery after dilution (SPReAD) is a simple and versatile means of extending the concentration range of single molecule measurements into the cellular regime while minimizing potential artifacts and perturbations of protein complex stoichiometry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,403

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,246
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetAdvanced Fluorescence Microscopy TechniquesTravaux en français237 207