Understanding the Glycosylation Pathways Involved in the Biosynthesis of the Sulfated Glycan Ligands for Siglecs
Notice bibliographique
Résumé
Carbohydrate sulfation plays a pivotal role in modulating the strength of Siglec–glycan interactions. Recently, new aspects of Siglec binding to sulfated cell surface carbohydrates have been discovered, but the class of glycan presenting these sulfated Siglec ligands has not been fully elucidated. In this study, the contribution of different classes of glycans to cis and trans Siglec ligands was investigated within cells expressing the carbohydrate sulfotransferase 1 (CHST1) or CHST2. For some Siglecs, the glycan class mediating binding was clear, such as O -glycans for Siglec-7 and N -glycans for Siglec-2 and Siglec-9. Both N -glycans and mucin-type O -glycans contributed to ligands for Siglec-3, -5, -8, and -15. However, significant levels of Siglec-3 and -8 ligands remained in CHST1-expressing cells lacking complex N -glycans and mucin-type O -glycans. A combination of genetic, pharmacological, and enzymatic treatment strategies ruled out heparan sulfates and glycoRNA as contributors, although Siglec-8 did exhibit some binding to glycolipids. Genetic disruption of O -mannose glycans within CHST1-expressing cells had a small but significant impact on Siglec-3 and -8 binding, demonstrating that this class of glycans can present sulfated Siglec ligands. We also investigated the ability of sulfated cis ligands to mask Siglec-3 and Siglec-7. For Siglec-7, cis ligands were again found to be mucin-type O -glycans. While N -glycans were the major sulfated trans ligands for Siglec-3, disruption of complex mucin-type O -glycans had the largest impact on Siglec-3 masking. Overall, this study enhances our knowledge of the types of sulfated glycans that can serve as Siglec ligands.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».