Dual Labeling Biotin Switch Assay to Reduce Bias Derived From Different Cysteine Subpopulations
Notice bibliographique
Résumé
RATIONALE: S-nitrosylation (SNO), an oxidative post-translational modification of cysteine residues, responds to changes in the cardiac redox-environment. Classic biotin-switch assay and its derivatives are the most common methods used for detecting SNO. In this approach, the labile SNO group is selectively replaced with a single stable tag. To date, a variety of thiol-reactive tags have been introduced. However, these methods have not produced a consistent data set, which suggests an incomplete capture by a single tag and potentially the presence of different cysteine subpopulations. OBJECTIVE: To investigate potential labeling bias in the existing methods with a single tag to detect SNO, explore if there are distinct cysteine subpopulations, and then, develop a strategy to maximize the coverage of SNO proteome. METHODS AND RESULTS: We obtained SNO-modified cysteine data sets for wild-type and S-nitrosoglutathione reductase knockout mouse hearts (S-nitrosoglutathione reductase is a negative regulator of S-nitrosoglutathione production) and nitric oxide-induced human embryonic kidney cell using 2 labeling reagents: the cysteine-reactive pyridyldithiol and iodoacetyl based tandem mass tags. Comparison revealed that <30% of the SNO-modified residues were detected by both tags, whereas the remaining SNO sites were only labeled by 1 reagent. Characterization of the 2 distinct subpopulations of SNO residues indicated that pyridyldithiol reagent preferentially labels cysteine residues that are more basic and hydrophobic. On the basis of this observation, we proposed a parallel dual-labeling strategy followed by an optimized proteomics workflow. This enabled the profiling of 493 SNO sites in S-nitrosoglutathione reductase knockout hearts. CONCLUSIONS: Using a protocol comprising 2 tags for dual-labeling maximizes overall detection of SNO by reducing the previously unrecognized labeling bias derived from different cysteine subpopulations.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».