TAZ interactome analysis using nanotrap-based affinity purification–mass spectrometry
Notice bibliographique
Résumé
Characterization of protein-protein interactions (PPIs) is a fundamental goal in the post-genomic era. Here, we document a generally applicable approach to identify cellular protein interactomes using a combination of nanobody-based affinity purification (AP) coupled with liquid chromatography and tandem mass spectrometry (LC-MS/MS). The Hippo signaling regulator TAZ (also known as WWTR1) functions as a transcriptional co-repressor or activator depending on its PPI network; we therefore undertook an unbiased proteomic screen to identify TAZ PPIs in striated muscle cells. A GFP nanotrap-based AP approach coupled with protein identification through LC-MS/MS was used to document a comprehensive list of known and novel TAZ interactome components. Informatic analysis of the interactome documented known components of the Hippo signaling pathway and multiple epigenetic regulators such as the NuRD, FACT and SWI/SNF complexes and the pro-myogenic CARM1 methyltransferase. Hippo pathway reporter gene (HOP/HIP) analysis indicated that CARM1 represses TAZ transcriptional co-activator function, promoting TAZ Ser89 phosphorylation and TAZ cytoplasmic sequestration. MS analysis revealed that CARM1 dimethylates TAZ at Arg77 in a PGPR*LAGG consensus peptide, resulting in enhanced TAZ Ser89 phosphorylation. These studies underline the utility of a nanobody-based AP approach for interactome analysis.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».