Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: https://hdl.handle.net/10442/18909
Export to:   BibTeX  | EndNote  | RIS
Εξειδίκευση τύπου : Άρθρο σε επιστημονικό περιοδικό
Τίτλος: Enabling cryo-EM density interpretation from yeast native cell extracts by proteomics data and AlphaFold structures
Δημιουργός/Συγγραφέας: Tüting, Christian
Schmidt, Lisa
Skalidis, Ioannis
Sinz, Andrea
[EL] Καστρίτης, Παναγιώτης[EN] Kastritis, Panagiotissemantics logo
Εκδότης: Wiley
Ημερομηνία: 2023-04-04
Γλώσσα: Αγγλικά
DOI: 10.1002/pmic.202200096
Άλλο: 37016452
Περίληψη: In the cellular context, proteins participate in communities to perform their function. The detection and identification of these communities as well as in-community interactions has long been the subject of investigation, mainly through proteomics analysis with mass spectrometry. With the advent of cryogenic electron microscopy and the "resolution revolution," their visualization has recently been made possible, even in complex, native samples. The advances in both fields have resulted in the generation of large amounts of data, whose analysis requires advanced computation, often employing machine learning approaches to reach the desired outcome. In this work, we first performed a robust proteomics analysis of mass spectrometry (MS) data derived from a yeast native cell extract and used this information to identify protein communities and inter-protein interactions. Cryo-EM analysis of the cell extract provided a reconstruction of a biomolecule at medium resolution (∼8 Å (FSC = 0.143)). Utilizing MS-derived proteomics data and systematic fitting of AlphaFold-predicted atomic models, this density was assigned to the 2.6 MDa complex of yeast fatty acid synthase. Our proposed workflow identifies protein complexes in native cell extracts from Saccharomyces cerevisiae by combining proteomics, cryo-EM, and AI-guided protein structure prediction.
Τίτλος πηγής δημοσίευσης: Proteomics
Τόμος/Κεφάλαιο: 23
Τεύχος: 17
Σελίδες: 10
Θεματική Κατηγορία: [EL] Βιοχημεία[EN] Biochemistrysemantics logo
[EL] Βιοπληροφορική[EN] Bioinformaticssemantics logo
[EL] Φασματοσκοπία[EN] Spectroscopysemantics logo
[EL] Μικροβιολογία[EN] Microbiologysemantics logo
Λέξεις-Κλειδιά: AI-guided
computational analysis
cryo-EM
homogenates
protein structure prediction
structural proteomics
Cell Extracts
Cryoelectron Microscopy
Proteins
Saccharomyces cerevisiae
Proteomics
Ηλεκτρονική διεύθυνση στον εκδότη (link): https://analyticalsciencejournals.onlinelibrary.wiley.com/doi/10.1002/pmic.202200096
Εμφανίζεται στις συλλογές:Ινστιτούτο Χημικής Βιολογίας - Επιστημονικό έργο

Αρχεία σε αυτό το τεκμήριο:
Αρχείο Περιγραφή ΣελίδεςΜέγεθοςΜορφότυποςΈκδοσηΆδεια
Proteomics - 2023 - Tüting - Enabling cryo‐EM density interpretation from yeast native cell extracts by proteomics data and.pdfpdf article10 σελίδες1.96 MBAdobe PDFΔημοσιευμένη/του ΕκδότηccbyThumbnail
Δείτε/ανοίξτε