Coupling substrate-trapping with proximity-labeling to identify protein tyrosine phosphatase PTP1B signaling networks
Notice bibliographique
Résumé
The ability to define functional interactions between enzymes and their substrates is crucial for understanding biological control mechanisms; however, such methods face challenges in the transient nature and low stoichiometry of enzyme-substrate interactions. Now, we have developed an optimized strategy that couples substrate-trapping mutagenesis to proximity-labeling mass spectrometry for quantitative analysis of protein complexes involving the protein tyrosine phosphatase PTP1B. This methodology represents a significant shift from classical schemes; it is capable of being performed at near-endogenous expression levels and increasing stoichiometry of target enrichment without a requirement for stimulation of supraphysiological tyrosine phosphorylation levels or maintenance of substrate complexes during lysis and enrichment procedures. Advantages of this new approach are illustrated through application to PTP1B interaction networks in models of HER2-positive and Herceptin-resistant breast cancer. We have demonstrated that inhibitors of PTP1B significantly reduced proliferation and viability in cell-based models of acquired and de novo Herceptin resistance in HER2-positive breast cancer. Using differential analysis, comparing substrate-trapping to wild-type PTP1B, we have identified multiple unreported protein targets of PTP1B with established links to HER2-induced signaling and provided internal validation of method specificity through overlap with previously identified substrate candidates. Overall, this versatile approach can be readily integrated with evolving proximity-labeling platforms (TurboID, BioID2, etc.), and is broadly applicable across all PTP family members for the identification of conditional substrate specificities and signaling nodes in models of human disease.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».