Exo-Enzymatic Cell-Surface Glycan Labeling for Capturing Glycan-Protein Interactions through Photo-Crosslinking
Notice bibliographique
Résumé
Abstract Tools to interrogate glycoconjugate-protein interactions in the context living cells are highly attractive for the identification of critically important functional binding partners of glycan-binding proteins. These interactions are challenging to interrogate due to low affinity and rapid dissociation rates of glycan-protein binding events. The use of photo-crosslinkers to capture glycan-protein interaction complexes has shown great promise for identifying binding partners involved in these interactions. Current methodologies use metabolic oligosaccharide engineering (MOE) to incorporate photo-crosslinking sugars. However, these MOE strategies are not amenable to all cell types and can result in low incorporation and cell-surface display of the photo-crosslinking probe, limiting their utility for studying many types of interactions. We describe here an exo-enzymatic strategy for selectively introducing photo-crosslinking probes into cell-surface glycoconjugates using the recombinant human sialyltransferase ST6GAL1 and a diazirine-linked CMP-Neu5Ac derivative. Probe introduction is highly efficient, amenable to different cell types and resulted in improved crosslinking when compared to MOE. This exo-enzymatic labeling approach can selectively introduce the photo-crosslinking sugar on to specific glycan epitopes and subclasses by harnessing the specificity of the sialyltransferase employed, underscoring its potential as a tool to interrogate and identify glycoconjugate ligands for diverse glycan-binding proteins.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».