The use of DNPH‐derivatized protein carbonyls as a marker of oxidative stress in mouse heart and liver
Notice bibliographique
Résumé
Reactive oxygen species (ROS) have been shown to modify proteins, lipids and DNA. These modified biomolecules serve as markers for the quantification of oxidative stress in various physiological and diseased conditions. Identification and quantification of a marker of protein oxidation (i.e., protein carbonyls) in tissues continue to be time consuming and/or costly. To identify and quantify this biomarker, we utilized a mouse model of ALS (G93A) having a mutant human Cu/Zn‐superoxide dismutase gene resulting in elevated levels of ROS. Using spectroscopic methods, we previously reported that the G93A mouse has 53% higher protein carbonyls in the skeletal muscle as compared with wild‐type littermates. However, these methods require large amounts of sample. In this study, we present a comparison of immunochemical methods, using DNPH‐derivatized carbonyls (Oxyblot, Chemicon International vs. ELISA), to assess oxidative stress. A protein with an apparent molecular weight of 28 kDa proved to associate well with established patterns of oxidative stress in these animals. Higher carbonyl content (80%) was found in the liver of G93A versus wild‐type mice (5165 ± 741 AU vs. 2869 ± 762 AU, mean ± SEM, P = 0.044). Most importantly, this analysis required, at most, 3 μg of sample and is a more sensitive and biologically relevant measure of oxidative stress as compared with ELISA‐based methods. In summary, we have identified and quantified a 28 kDa protein that can serve as a measure of protein oxidative damage.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».