Proteomics characterization of mitochondrial‐derived vesicles under oxidative stress
Notice bibliographique
Résumé
Mitochondria share attributes of vesicular transport with their bacterial ancestors given their ability to form mitochondrial-derived vesicles (MDVs). MDVs are involved in mitochondrial quality control and their formation is enhanced with stress and may, therefore, play a potential role in mitochondrial-cellular communication. However, MDV proteomic cargo has remained mostly undefined. In this study, we strategically used an in vitro MDV budding/reconstitution assay on cardiac mitochondria, followed by graded oxidative stress, to identify and characterize the MDV proteome. Our results confirmed previously identified cardiac MDV markers, while also revealing a complete map of the MDV proteome, paving the way to a better understanding of the role of MDVs. The oxidative stress vulnerability of proteins directed the cargo loading of MDVs, which was enhanced by antimycin A (Ant-A). Among OXPHOS complexes, complexes III and V were found to be Ant-A-sensitive. Proteins from metabolic pathways such as the TCA cycle and fatty acid metabolism, along with Fe-S cluster, antioxidant response proteins, and autophagy were also found to be Ant-A sensitive. Intriguingly, proteins containing hyper-reactive cysteine residues, metabolic redox switches, including professional redox enzymes and those that mediate iron metabolism, were found to be components of MDV cargo with Ant-A sensitivity. Last, we revealed a possible contribution of MDVs to the formation of extracellular vesicles, which may indicate mitochondrial stress. In conclusion, our study provides an MDV proteomics signature that delineates MDV cargo selectivity and hints at the potential for MDVs and their novel protein cargo to serve as vital biomarkers during mitochondrial stress and related pathologies.
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 ».