MétaCan
Menu
Retour à la cohorte
Enregistrement W3208881309 · doi:10.1371/journal.pone.0258531

Sortase-mediated segmental labeling: A method for segmental assignment of intrinsically disordered regions in proteins

2021· article· en· W3208881309 sur OpenAlexafffund
Kristina V. Boyko, Erin A. Rosenkranz, Derrick M. Smith, H.L. Miears, Melissa Oueld es cheikh, Micah Z. Lund, Jeffery C. Young, Patrick N. Reardon, Mark Okon, Serge L. Smirnov, John M. Antos

Notice bibliographique

RevuePLoS ONE · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBiochemical and Structural Characterization
Établissements canadiensCanada's Michael Smith Genome Sciences CentreUniversity of British Columbia
Organismes subventionnairesDivision of ChemistryNatural Sciences and Engineering Research Council of CanadaBritish Columbia Knowledge Development FundWestern Washington UniversityNational Science Foundation
Mots-clésNuclear magnetic resonance spectroscopyHeteronuclear moleculeChemistryBiophysicsCrystallographyComputational biologyBiologyStereochemistry

Résumé

récupéré en direct d'OpenAlex

A significant number of proteins possess sizable intrinsically disordered regions (IDRs). Due to the dynamic nature of IDRs, NMR spectroscopy is often the tool of choice for characterizing these segments. However, the application of NMR to IDRs is often hindered by their instability, spectral overlap and resonance assignment difficulties. Notably, these challenges increase considerably with the size of the IDR. In response to these issues, here we report the use of sortase-mediated ligation (SML) for segmental isotopic labeling of IDR-containing samples. Specifically, we have developed a ligation strategy involving a key segment of the large IDR and adjacent folded headpiece domain comprising the C-terminus of A. thaliana villin 4 (AtVLN4). This procedure significantly reduces the complexity of NMR spectra and enables group identification of signals arising from the labeled IDR fragment, a process we refer to as segmental assignment. The validity of our segmental assignment approach is corroborated by backbone residue-specific assignment of the IDR using a minimal set of standard heteronuclear NMR methods. Using segmental assignment, we further demonstrate that the IDR region adjacent to the headpiece exhibits nonuniform spectral alterations in response to temperature. Subsequent residue-specific characterization revealed two segments within the IDR that responded to temperature in markedly different ways. Overall, this study represents an important step toward the selective labeling and probing of target segments within much larger IDR contexts. Additionally, the approach described offers significant savings in NMR recording time, a valuable advantage for the study of unstable IDRs, their binding interfaces, and functional mechanisms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,025
Tête enseignante GPT0,249
Écart entre enseignants0,225 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

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

En bref

Citations7
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetBiochemical and Structural CharacterizationTravaux en français237 207