MOTAI: A Novel Method for the Study of O-GalNAcylation and Complex O-Glycosylation in Cancer
Notice bibliographique
Résumé
The Tn antigen, an immature truncated O-glycosylation, is a promising biomarker for cancer detection and diagnosis. However, reliable methods for analyzing O-GalNAcylation and complex O-glycosylation are lacking. Here, we develop a novel method, MOTAI, for the sequential analysis of O-glycosylation using different O-glycoproteases. MOTAI conjugates glycopeptides on a solid support and releases different types of O-glycosylation through sequential enzymatic digestion by O-glycoproteases, including OpeRATOR and IMPa. Because OpeRATOR has less activity on O-GalNAcylation, MOTAI enriches O-GalNAcylation for subsequent analysis. We demonstrate the effectiveness of MOTAI by analyzing fetuin O-glycosylation and Jurkat cell lines. We then apply MOTAI to analyze colorectal cancer and benign colorectal polyps. We identify 32 Tn/sTn-glycoproteins and 43 T/sT-glycoproteins that are significantly increased in tumor tissues. Gene Ontology analysis reveals that most of these proteins are ECM proteins involved in the adhesion process of the intercellular matrix. Additionally, the protein disulfide isomerase CRELD2 has a significant difference in Tn expression, and the abnormally glycosylated T345 and S349 O-glycosylation sites in cancer group samples may promote the secretion of CRELD2 and ultimately tumorigenesis through ECM reshaping. In summary, MOTAI provides a powerful new tool for the in-depth analysis of O-GalNAcylation and complex O-glycosylation. It also reveals the upregulation of Tn/sTn-glycoproteins in colorectal cancer, which may provide new insights into cancer biology and biomarker discovery.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».