Mammalian sialyltransferases allow efficient <i>Escherichia coli</i>-based production of mucin-type O-glycoproteins but can also transfer Kdo
Notice bibliographique
Résumé
The prospect of producing human-like glycoproteins in bacteria is becoming attractive as an alternative to already-established but costly mammalian cell expression systems. We previously described an Escherichia coli expression platform that uses a dual-plasmid approach to produce simple mucin type O-glycoproteins: one plasmid encoding the target protein and another O-glycosylation machinery. Here, we expand the capabilities of our platform to carry out sialylation and demonstrate the high-yielding production of human interferon α2b and human growth hormone bearing mono- and disialylated T-antigen glycans. This is achieved through engineering an E. coli strain to produce CMP-Neu5Ac and introducing various α-2,3- and α-2,6 mammalian or bacterial sialyltransferases into our O-glycosylation operons. We further demonstrate that mammalian sialyltransferases, including porcine ST3Gal1, human ST6GalNAc2 and human ST6GalNAc4, are very effective in vivo and outperform some of the bacterial sialyltransferases tested, including Campylobacter jejuni Cst-I and Cst-II. In the process, we came upon a way of modifying T-Antigen with Kdo, using a previously uncharacterised Kdo-transferase activity of porcine ST3Gal1. Ultimately, the heterologous expression of mammalian sialyltransferases in E. coli shows promise for the further development of bacterial systems in therapeutic glycoprotein production.
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 ».