Absolute Affinities from Quantitative Shotgun Glycomics Using Concentration-Independent (COIN) Native Mass Spectrometry
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Native mass spectrometry (nMS) screening of natural glycan libraries against glycan-binding proteins (GBPs) is a powerful tool for ligand discovery. However, as the glycan concentrations are unknown, affinities cannot be measured directly from natural libraries. Here, we introduce Co ncentration- In dependent (COIN)-nMS, which enables quantitative screening of natural glycan libraries by exploiting slow mixing of solutions inside a nanoflow electrospray ionization emitter. The affinities ( K d ) of detected GBP–glycan interactions are determined, simultaneously, from nMS analysis of their time-dependent relative abundance changes. We establish the reliability of COIN-nMS using interactions between purified glycans and GBPs with known K d values. We also demonstrate the implementation of COIN-nMS using the catch-and-release (CaR)-nMS assay for glycosylated GBPs. The COIN-CaR-nMS results obtained for plant, fungal, viral, and human lectins with natural libraries containing hundreds of N -glycans and glycopeptides highlight the assay’s versatility for discovering new ligands, precisely measuring their affinities, and uncovering “fine” specificities. Notably, the COIN-CaR-nMS results clarify the sialoglycan binding properties of the SARS-CoV-2 receptor binding domain and establish the recognition of monosialylated hybrid and biantennary N -glycans. Moreover, pharmacological depletion of host complex N -glycans reduces both pseudotyped virions and SARS-CoV-2 cell entry, suggesting that complex N -glycans may serve as attachment factors.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».