Selective Glycan Labeling of Mannose-Containing Glycolipids in Mycobacteria
Notice bibliographique
Résumé
Mycobacterium tuberculosis ( Mtb ) is one of history’s most successful human pathogens. By subverting typical immune responses, Mtb can persist within a host until conditions become favorable for growth and proliferation. Virulence factors that enable mycobacteria to modulate host immune systems include a suite of mannose-containing glycolipids: phosphatidylinositol mannosides, lipomannan, and lipoarabinomannan (LAM). Despite their importance, tools for their covalent capture, modification, and imaging are limited. Here, we describe a chemical biology strategy to detect and visualize these glycans. Our approach, biosynthetic incorporation, is to synthesize a lipid-glycan precursor that can be incorporated at a late-stage step in glycolipid biosynthesis. We previously demonstrated selective mycobacterial arabinan modification by biosynthetic incorporation using an exogenous donor. This report reveals that biosynthetic labeling is general and selective: it allows for cell surface mannose-containing glycolipid modification without nonspecific labeling of mannosylated glycoproteins. Specifically, we employed azido-( Z,Z )-farnesyl phosphoryl-β- d -mannose probes and took advantage of the strain-promoted azide–alkyne cycloaddition to label and directly visualize the localization and dynamics of mycobacterial mannose-containing glycolipids. Our studies highlight the generality and utility of biosynthetic incorporation as the probe structure directs the selective labeling of distinct glycans. The disclosed agents allowed for direct tracking of the target immunomodulatory glycolipid dynamics in cellulo. We anticipate that these probes will facilitate investigating the diverse biological roles of these glycans.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».