FETCH enables fluorescent labeling of membrane proteins in vivo with spatiotemporal control in <i>Drosophila</i>
Notice bibliographique
Résumé
Fluorescent labeling approaches are crucial for elucidating protein function and dynamics. While robust methods to monitor gene transcription are widespread, the visualization of proteins in vivo is more elusive. To meet this challenge, we developed Fluorescent Endogenous Tagging with a Covalent Hook (FETCH) to label cell surface proteins (CSPs) in vivo through a stable covalent bond mediated by the DogTag-DogCatcher peptide partner system. FETCH leverages a spontaneous covalent isopeptide bond that forms between the 23-amino acid DogTag and the 15-kDa DogCatcher. Unlike most tags that work best at protein termini, DogTag functions well in protein loops, expanding the range of sites that can be targeted in proteins. In FETCH, DogTag is introduced into extracellular loops of CSPs through genome engineering, enabling covalent bond formation with a genetically encoded DogCatcher-GFP fusion protein that can be secreted from a variety of cell types in intact animals. To identify optimal DogTag insertions into CSPs, we describe a flow cytometry–based platform for rapidly screening candidates in vitro. We demonstrate the ability to tag and visualize three members of the immunoglobulin superfamily (IgSF) in vivo: the transmembrane protein mCD8 and two GPI-anchored proteins belonging to the DIP-Dpr interactome that interact biophysically to facilitate neuronal target recognition at Drosophila neuromuscular and brain synapses. FETCH enables precise temporal and spatial control to visualize tagged proteins in vivo, features that are adaptable to a multitude of applications for modifying any cell surface protein.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».