A protein-fragment complementation assay to quantify synthetic protein scaffold efficiency
Notice bibliographique
Résumé
Abstract Scaffolds are powerful tools in synthetic biology used for various applications, from increasing yield to optimizing signalling specificity. Protein scaffolds can be built by fusing peptide binding domains (PBD) and attaching the peptide they bind to the enzymes, inducing spatial proximity. Only a few PBD-peptide combinations have been tested in this context, and no combination produced a high yield in yeast, an important chassis in biotechnology. Therefore, there is a need for more exploration of PBD-peptide pairs to be used in this model. Scaffold characterization is challenging because it is often dependent on a model pathway with an output that is difficult to measure quantitatively. Here, we use a protein-fragment complementation assay (PCA) to study scaffolding efficiency in yeast, which allows to couple scaffolding efficiency with growth rate. First, we characterize the strength of PBD-peptide interactions (PPI) and the binding availability of the PBDs and peptides. Then, we test different scaffold architectures and expression levels to quantify the simultaneous binding of peptide pairs to the scaffold. We show that PPI strength of the weakest binding PBD-peptide pair is critical for scaffolding efficiency and that PPI strength is limited by low binding availability of some domains and peptides in vivo . Also, we find that slight architectural variations and expression levels have a significant impact on scaffolding efficiency detected by DHFR PCA. Finally, we used DHFR PCA approaches to characterize novel PBD-peptide pairs and we identified pairs to expand the sequence toolbox for scaffold design in yeast through DHFR PCA easy-to-read signal.
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 | 0,001 |
| 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 | 0,001 | 0,002 |
| 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 ».