Comparing the BAD Protein Interactomes in 2D and 3D Cell Culture Using Proximity Labeling
Notice bibliographique
Résumé
Protein-protein interaction studies using proximity labeling techniques, such as biotin ligase-based BioID, have become integral in understanding cellular processes. Most studies utilize conventional 2D cell culture systems, potentially missing important differences in protein behavior found in 3D tissues. In this study, we investigated the protein-protein interactions of a protein, Bcl-2 Agonist of cell death (BAD), and compared conventional 2D culture conditions to a 3D system, wherein cells were embedded within a 3D extracellular matrix (ECM) mimic. Using BAD fused to the engineered biotin ligase miniTurbo (BirA*), we identified both overlapping and distinct BAD interactomes under 2D and 3D conditions. The known BAD binding proteins 14-3-3 isoforms and Bcl-XL interacted with BAD in both 2D and 3D. Of the 131 BAD-interactors identified, 56% were specific to 2D, 14% were specific to 3D, and 30% were common to both conditions. Interaction network analysis demonstrated differential associations between 2D and 3D interactomes, emphasizing the impact of the culture conditions on protein interactions. The 2D-3D overlap interactome encapsulated the apoptotic program, which is a well-known role of BAD. The 3D unique pathways were enriched in ECM signaling, suggestive of hitherto unknown functions for BAD. Thus, exploring protein-protein interactions in 3D provides novel clues into cell behavior. This exciting approach has the potential to bridge the knowledge gap between tractable 2D cell culture and organoid-like 3D systems.
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 | 0,002 | 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 | 0,001 |
| 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 ».