MétaCan
Menu
Retour à la cohorte
Enregistrement W4399207898 · doi:10.1016/j.biochi.2024.05.024

Assessment of membrane labelling mechanisms with exogenous fatty acids and detergents in bacteria

2024· article· en· W4399207898 sur OpenAlexafffund
Laila Zaatouf, Kiran Kumar, Isabelle Marcotte, Dror E. Warschawski

Notice bibliographique

RevueBiochimie · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA and protein synthesis mechanisms
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSorbonne UniversitéFonds de recherche du Québec – Nature et technologiesCentre National de la Recherche ScientifiqueAgence Nationale de la Recherche
Mots-clésLabellingBiochemistryChemistryBacteriaFatty acidMembraneBacterial cell structureBiosynthesisBiologyEnzyme

Résumé

récupéré en direct d'OpenAlex

Labelling of bacterial membranes using exogenous fatty acids has proven to be a valuable tool to investigate molecular interactions by in-cell solid-state nuclear magnetic resonance (ssNMR) spectroscopy, notably with antimicrobial peptides. However, the mechanism by which this labelling takes place in non-mutated bacteria has not yet been investigated. In this work, we propose a rapid method to assess the fate of the fatty acids during the labelling of bacteria, involving two different methylation schemes and gas chromatography coupled to mass spectrometry. We applied this approach to Gram(+) and Gram(-) bacteria grown with deuterated palmitic acid under different conditions. We assessed the extent of labelling, then the resulting membrane rigidity by 2H ssNMR. Our results reveal that the labelling mechanism depends on the detergent used to micellize the fatty acids. This labelling can be either active or passive, whether the fatty acids are metabolized and used in the phospholipids biosynthesis, or remain unmodified in the membrane. We discuss the best labelling protocol for studying peptide-membrane interactions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,465

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,248
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiochimieMême sujetRNA and protein synthesis mechanismsTravaux en français237 207