Exo-Enzymatic Cell-Surface Glycan Labeling for Capturing Glycan–Protein Interactions through Photo-Cross-Linking
Notice bibliographique
Résumé
Tools to interrogate glycoconjugate-protein interactions in the context of living cells are highly attractive for the identification of critically important functional binding partners of glycan-binding proteins. These interactions are challenging to study due to the low affinity and rapid dissociation rates of glycan-protein binding events. The use of photo-cross-linkers 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-cross-linking 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-cross-linking probe, limiting their utility for studying many types of interactions. We describe here an exo-enzymatic strategy for selectively introducing photo-cross-linking 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 cross-linking when compared to MOE. This exo-enzymatic labeling approach can selectively introduce the photo-cross-linking sugar onto 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 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».