A Dual Detergent Strategy to Capture a Bacterial Outer Membrane Proteome in Peptidiscs for Characterization by Mass Spectrometry and Binding Assays
Notice bibliographique
Résumé
The outer membrane of Gram-negative bacteria plays a critical role in protecting the cell against external stressors, including antibiotics, and therefore is a prime target for antimicrobial discovery. To facilitate the discovery efforts, a precise knowledge of the outer membrane proteome, and possible variations during pathogenesis, is important. Characterization of the bacterial outer membrane remain challenging, however, and low throughput, due to the high hydrophobicity and relatively low abundance of this cell compartment. Here we adapt our peptidisc-based method to selectively isolate the outer membrane proteome before analysis by mass spectrometry. Using a dual detergent membrane solubilization approach, followed by protein purification in peptidiscs, we capture over 70 outer membrane proteins, including 26 integral β-barrels and 26 lipoproteins. Many of these proteins are present at high peptide intensities, indicative of a high abundance in the library sample. We further show that the isolated outer membrane proteome can be employed in downstream ligand-binding assays. This peptidisc library made of outer membrane proteins may therefore be useful to systematically survey other bacterial outer membrane proteomes, but also as a nanoparticle format able to support the discovery of next-generation antimicrobials. Data are available via ProteomeXchange identifier PXD036749.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».