Development of a V5-tag–directed nanobody and its implementation as an intracellular biosensor of GPCR signaling
Notice bibliographique
Résumé
Protein-protein interactions (PPIs) form the foundation of any cell signaling network. Considering that PPIs are highly dynamic processes, cellular assays are often essential for their study because they closely mimic the biological complexities of cellular environments. However, incongruity may be observed across different PPI assays when investigating a protein partner of interest; these discrepancies can be partially attributed to the fusion of different large functional moieties, such as fluorescent proteins or enzymes, which can yield disparate perturbations to the protein's stability, subcellular localization, and interaction partners depending on the given cellular assay. Owing to their smaller size, epitope tags may exhibit a diminished susceptibility to instigate such perturbations. However, while they have been widely used for detecting or manipulating proteins in vitro, epitope tags lack the in vivo traceability and functionality needed for intracellular biosensors. Herein, we develop NbV5, an intracellular nanobody binding the V5-tag, which is suitable for use in cellular assays commonly used to study PPIs such as BRET, NanoBiT, and Tango. The NbV5:V5 tag system has been applied to interrogate G protein-coupled receptor signaling, specifically by replacing larger functional moieties attached to the protein interactors, such as fluorescent or luminescent proteins (∼30 kDa), by the significantly smaller V5-tag peptide (1.4 kDa), and for microscopy imaging which is successfully detected by NbV5-based biosensors. Therefore, the NbV5:V5 tag system presents itself as a versatile tool for live-cell imaging and a befitting adaptation to existing cellular assays dedicated to probing PPIs.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».