<scp>HX‐MS</scp>2 for high performance conformational analysis of complex protein states
Notice bibliographique
Résumé
Water-mediated hydrogen exchange (HX) processes involving the protein main chain are sensitive to structural dynamics and molecular interactions. Measuring deuterium uptake in amide bonds provides information on conformational states, structural transitions and binding events. Increasingly, deuterium levels are measured by mass spectrometry (MS) from proteolytically generated peptide fragments of large molecular systems. However, this bottom-up method has limited spectral capacity and requires a burdensome manual validation exercise, both of which restrict analysis of protein systems to generally less than 150 kDa. In this study, we present a bottom-up HX-MS(2) method that improves peptide identification rates, localizes high-quality HX data and simplifies validation. The method combines a new peptide scoring algorithm (WUF, weighted unique fragment) with data-independent acquisition of peptide fragmentation data. Scoring incorporates the validation process and emphasizes identification accuracy. The HX-MS(2) method is illustrated using data from a conformational analysis of microtubules treated with dimeric kinesin MCAK. When compared to a conventional Mascot-driven HX-MS method, HX-MS(2) produces two-fold higher α/β-tubulin sequence depth at a peptide utilization rate of 74%. A Mascot approach delivers a utilization rate of 44%. The WUF score can be constrained by false utilization rate (FUR) calculations to return utilization values exceeding 90% without serious data loss, indicating that automated validation should be possible. The HX-MS(2) data confirm that N-terminal MCAK domains anchor kinesin force generation in kinesin-mediated depolymerization, while the C-terminal tails regulate MCAK-tubulin 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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,000 | 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 ».