Thioether editing generally increases the photostability of rhodamine dyes on self-labeling tags
Notice bibliographique
Résumé
Self-labeling protein tags are widely used in advanced bioimaging where dyes with high-photon budgets outperform their fluorescent protein counterparts. Further increasing the emitted photon numbers of dye-tag systems is actively pursued by both new fluorophore chemistry and protein engineering. By scrutinizing the protein microenvironment of fluorophores, here we propose that proximal thioether groups negatively affect the photostability of the dye-tag system. We attribute the disparity in photostability of rhodamine dyes on HaloTag, SNAP-tag, and TMP-tag3 to the influence of the inherent thioether linkage within the SNAP-tag and TMP-tag3. This photochemical pathway leads us to further devise tags with higher photostability. We first show that rhodamine dyes on TMP-tag3.1, which employs a proximity-induced SuFEx reaction instead of a thiol-acrylamide addition to replace the thioether adduct, achieve photon budgets comparable to those ligands on HaloTag. We further showcase that by mutating the methionine near the fluorophore pocket, HaloTag: M175L generally gives up to four times enhancement on photostability when labeled with red and far-red rhodamines. The enhancement of HaloTag modification is demonstrated with single-molecule fluorescence imaging, live-cell fluorescence imaging, and voltage imaging. During time-lapse imaging, gradual photooxidation of Met leads to a reduced photobleaching rate, mechanistically supporting the thioether pathway hypothesis. Our findings suggest that thioether editing on self-labeling tags is a general strategy to enhance the photostability of fluorophores for advanced time-lapse imaging techniques.
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 | 0,001 |
| 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 ».