Elusive Protein–Glycosphingolipid Interactions Revealed by Membrane Anchor-Assisted Native Mass Spectrometry
Notice bibliographique
Résumé
Interactions between glycan-binding proteins (GBPs) and glycosphingolipids (GSLs) present in cell membranes are implicated in a wide range of biological processes. However, studying GSL binding is hindered by the paucity of purified GSLs and the weak affinities typical of monovalent GBP–GSL interactions. Native mass spectrometry (nMS) performed using soluble model membranes is a promising approach for the discovery of GBP ligands, but the detection of weak interactions remains challenging. The present work introduces ME mbrane AN chor-assisted nMS (MEAN-nMS) for the detection of low-affinity GBP–GSL complexes. The assay utilizes a membrane anchor, produced by covalent cross-linking of the GBP and a lipid in the membrane, to localize the GBP on the surface and promote GSL binding. Ligands are identified by nMS detection of intact GBP–GSL complexes (MEAN-nMS) or using a catch-and-release (CaR) strategy, wherein GSLs are released from GBP–GSL complexes upon collisional activation and detected (MEAN-CaR-nMS). To establish reliability, a library of purified gangliosides incorporated into nanodiscs was screened against human immune lectins, and the results compared with affinities of the corresponding ganglioside oligosaccharides. Without a membrane anchor, nMS analysis yielded predominantly false negatives. In contrast, all ligands were identified by MEAN-(CaR)-nMS, with no false positives. To highlight the potential of MEAN-CaR-nMS for ligand discovery, a natural library of GSLs was incorporated into nanodiscs and screened against human and viral proteins to uncover elusive ligands. Finally, nMS-based detection of GSL ligands directly from cells is demonstrated. This breakthrough paves the way for shotgun glycomics screening using intact cells.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».