Protein Recognition of Glycosphingolipids in Membranes: Mechanistic and Quantitative Insights
Notice bibliographique
Résumé
Recognition of glycosphingolipids (GSLs) in cell membranes by glycan-binding proteins (GBPs) is essential for diverse biological processes. However, owing to deficiencies in available analytical methods, the thermodynamics of GBP-GSL interactions remains poorly characterized. Native mass spectrometry (nMS) analysis performed using soluble GSL-containing model membranes provides a direct readout of the identity and stoichiometry of bound GSL ligands and, under certain conditions, can inform on affinity. Yet, for multivalent GBPs capable of engaging multiple model membranes simultaneously, data analysis relies on untested assumptions, which has limited adoption of the assay. Here, we apply mass photometry to quantify a series of high-affinity interactions between glycolipids in soluble model membranes (nanodiscs) and mono- and multivalent GBPs and compare with binding data acquired with nMS. Remarkably, the mass photometry results indicate that glycolipids are distributed nonstatistically across the lipid bilayer and engage in clustering that is sensitive to GBP binding. Moreover, the affinities and stoichiometries (of bound nanodiscs) measured for multivalent GBPs are strongly modulated by glycolipid clustering, which can overwhelm avidity gains from multivalent binding. After normalization for the number of GBP binding sites and glycolipid content, the affinities from mass photometry are found to be, overall, in good agreement with native nMS-derived affinities. Collectively, the findings of this study provide critically needed affinity and stoichiometry benchmarks for assay validation and significant new insights into the mechanisms of GBP recognition of GSLs in model membranes, which serve as a foundation for understanding binding in natural cellular environments.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».