MétaCan
Menu
Retour à la cohorte
Enregistrement W4253022805 · doi:10.21203/rs.3.rs-59611/v1

Conformation and Dynamics of the Kinase Domain Drive Subcellular Location and Activation of LRRK2.

2020· preprint· en· W4253022805 sur OpenAlexfundno aff
Sven H. Schmidt, Jui‐Hung Weng, Phillip C. Aoto, Daniela Boassa, Steven Silletti, Sebastian Mathea, Junru Hu, Maximilian Wallbott, Elizabeth A. Komives, Stefan Knapp, Friedrich W. Herberg, Susan S. Taylor

Notice bibliographique

RevueResearch Square · 2020
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMelanoma and MAPK Pathways
Établissements canadiensnon disponible
Organismes subventionnairesNovartis PharmaNational Cancer InstituteNational Institutes of HealthMinistero dello Sviluppo EconomicoFundação de Amparo à Pesquisa do Estado de São PauloDeutsche ForschungsgemeinschaftMerck KGaAOntario Ministry of Economic Development and InnovationGenome Canada
Mots-clésDynamics (music)Domain (mathematical analysis)LRRK2Subcellular localizationCell biologyKinaseComputer scienceChemistryPhysicsBiochemistryBiologyMathematicsCytoplasmGene

Résumé

récupéré en direct d'OpenAlex

Abstract Background: Leucine-Rich Repeat Kinase 2 (LRRK2) is a complex multi-domain protein where LRRK2-mutations are associated with Parkinson´s Disease (PD). To explore how pathogenic PD-mutations hijack the finely tuned activation process of LRRK2, we here used a multi-tiered approach. Methods: First, the spatial and temporal distribution of full-length LRRK2 was investigated by a real-time cell-based assay in the presence and absence of LRRK2-kinase inhibitors. In a 2nd layer we explored the consequences of PD mutations as well as removal of the N-terminal domains employing a construct containing the ROC, Cor, Kinase and WD40 domains (LRRK2RCKW). We focused on the biochemical characterization of LRRK2RCKW variants based on kinase assays using Rab8a or LRRKtide as substrates. Next, we used hydrogen-deuterium exchange mass spectrometry (HDX-MS) to map the solvent accessible regions of LRRK2RCKW in the presence and absence of the LRRK2 inhibitor MLi-2. Finally, Molecular Dynamics simulations on the kinase domain were applied to elucidate differences in breathing dynamics between wild type and mutants of the DYGψ motif. Results: Our cellular approaches revealed that the kinase inhibitors MLi-2 and rebastinib both freeze the kinase domain in a stable conformation, however, only MLi-2 resembles an active conformation and induces filament formation. LRRK2RCKW showed, regardless of the mutation it was combined with, filament formation, indicating a shielding function of the N-terminal domains. This shielding function is impaired for pathogenic mutations in full length LRRK2. LRRK2RCKW retained kinase activity similar to full-length LRRK2. HDX-MS provided a comprehensive allosteric portrait of the kinase domain and revealed how MLi-2 binding is sensed by the entire protein. Molecular Dynamics simulations suggest that, while all domains contribute to regulating kinase activity and spatial distribution, it is the highly dynamic kinase domain, driven by the DYGψ motif, that coordinates the overall domain crosstalk and serves as a regulatory hub for the intrinsic regulation of LRRK2.Conclusion: These studies confirm our hypothesis that the N-terminal scaffolding domains shield the catalytic domains in an inactive state. PD mutations, MLi-2, or Rab GTPases can all unleash the catalytic domains while the active kinase conformation, but not kinase activity, is essential for docking onto microtubules.

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: Empirique · Signal consensuel: Empirique
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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,026
Tête enseignante GPT0,305
Écart entre enseignants0,279 · 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
GenreEmpirique

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

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetMelanoma and MAPK PathwaysTravaux en français237 207