KY
Kumar Yugandhar
Author with expertise in Mass Spectrometry Techniques with Proteins
Achievements
This user has not unlocked any achievements yet.
Key Stats
Upvotes received:
0
Publications:
5
(40% Open Access)
Cited by:
3
h-index:
11
/
i10-index:
12
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

In-depth and 3-Dimensional Exploration of the Budding Yeast Phosphoproteome

Michael Lanz et al.Jul 13, 2019
Phosphorylation is one of the most dynamic and widespread post-translational modifications regulating virtually every aspect of eukaryotic cell biology. Here we present a comprehensive phosphoproteomic dataset for budding yeast, comprised of over 30,000 high confidence phosphorylation sites identified by mass spectrometry. This single dataset nearly doubles the size of the known phosphoproteome in budding yeast and defines a set of cell cycle-regulated phosphorylation events. With the goal of enhancing the identification of functional phosphorylation events, we performed computational positioning of phosphorylation sites on available 3D protein structures and systematically identified events predicted to regulate protein complex architecture. Results reveal a large number of phosphorylation sites mapping to or near protein interaction interfaces, many of which result in steric or electrostatic clashes predicted to disrupt the interaction. Phosphorylation site mutants experimentally validate our predictions and support a role for phosphorylation in negatively regulating protein-protein interactions. With the advancement of Cryo-EM and the increasing number of available structures, our approach should help drive the functional and spatial exploration of the phosphoproteome.
0

MaXLinker: proteome-wide cross-link identifications with high specificity and sensitivity

Kumar Yugandhar et al.Jan 23, 2019
Protein-protein interactions play a vital role in nearly all cellular functions. Hence, understanding their interaction patterns and three-dimensional structural conformations can provide crucial insights about various biological processes and underlying molecular mechanisms for many disease phenotypes. Cross-linking mass spectrometry has the unique capability to detect protein-protein interactions at a large scale along with spatial constraints between interaction partners. However, the current cross-link search algorithms follow an MS2-centric approach and, as a result, suffer from a high rate of mis-identified cross-links (~15%). We address this urgent problem, by designing a novel MS3-centric approach for cross-link identification and implemented it as a search engine called MaXLinker. MaXLinker significantly outperforms the current state of the art search engine with up to 18-fold lower false positive rate. Additionally, MaXLinker results in up to 31% more cross-links, demonstrating its superior sensitivity and specificity. Moreover, we performed proteome-wide cross-linking mass spectrometry using K562 cells. Employing MaXLinker, we unveiled the most comprehensive set of 9,319 unique cross-links at 1% false discovery rate, comprising 8,051 intraprotein and 1,268 interprotein cross-links. Finally, we experimentally validated the quality of a large number of novel interactions identified in our study, providing a conclusive evidence for the robust performance of MaXLinker.