Expanding the Reach of Membrane Protein-Ligand Interaction Studies through the integration of Mass Spectrometry and Membrane Mimetics
Notice bibliographique
Résumé
Mass spectrometry (MS) offers robust, label-free approaches for characterizing ligand-protein interactions through two main strategies: affinity-based and stability-based assays. Affinity-based methods, such as affinity-selection MS (AS-MS) and mass spectrometry binding assays (MSBA), detect ligand-target interactions by identifying bound ligands or measuring displacement of a reporter ligand. Stability-based techniques, including thermal proteome profiling (TPP) and limited proteolysis-MS (LiP-MS), infer interactions based on changes in a protein’s thermal or proteolytic stability. These MS-based workflows enable proteome-wide analyses with high specificity and throughput. However, their application to membrane proteins (MPs)—a major class of drug targets—has been limited by challenges such as structural complexity, low native expression, and poor compatibility with detergent-based MS protocols. Recent advances in membrane mimetic (MM) systems, including nanodiscs, Peptidiscs, and styrene-maleic acid (SMA) polymers, help address these barriers by maintaining native-like lipid environments and preserving functional MP conformations. These mimetics facilitate proteome-scale solubilization of MPs in forms compatible with MS screening. This review outlines key affinity- and stability-based MS approaches and examines their adaptation for MPs. It also highlights how combining MS techniques with MM systems is expanding the reach of high-resolution, functional analysis of MP–ligand interactions.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».