Molecular determinants underlying differential recruitment of p115RhoGEF and PDZRhoGEF to activated Gα <sub>13</sub>
Notice bibliographique
Résumé
ABSTRACT Heterotrimeric G proteins, particularly Gα 12 and Gα 13 , are pivotal regulators of cellular signaling pathways. Their direct downstream effectors, which include p115RhoGEF and PDZRhoGEF, engage downstream signaling via Rho activation. Yet the molecular determinants that dictate their differential recruitment by Gα 12/13 are not fully understood. Here, we combined quantitative computational residue-level analysis with site-directed mutagenesis and bioluminescence resonance energy transfer (BRET)-based assays to dissect Gα 13 interactions with these RhoGEFs. We mapped the contributions of individual residues to binding and identified specific Gα 13 residues in its helical domain, switch regions, and effector-binding site as key yet differential contributors to p115RhoGEF and PDZRhoGEF recruitment. Experimental validation with BRET confirmed that changes in many Gα 13 residues impact p115RhoGEF more substantially than PDZRhoGEF, underscoring the specificity of Gα 13 interactions with p115RhoGEF. Investigation of the p115RhoGEFs identified critical residues that contribute to interactions with Gα 13 and Gα 12 . Our findings highlight residue-level differences in the molecular interactions of Gα 13 with p115RhoGEF and PDZRhoGEF, providing insights into the specificity and regulation of Gα 13 -mediated signaling pathways. The resulting residue-level maps lay the groundwork for development of selective therapeutic strategies targeting Gα 13 -RhoGEF 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 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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».