The Negative Mode Proteome with Activated Ion Negative Electron Transfer Dissociation (AI-NETD)
Notice bibliographique
Résumé
The field of proteomics almost uniformly relies on peptide cation analysis, leading to an underrepresentation of acidic portions of proteomes, including relevant acidic posttranslational modifications. Despite the many benefits negative mode proteomics can offer, peptide anion analysis remains in its infancy due mainly to challenges with high-pH reversed-phase separations and a lack of robust fragmentation methods suitable for peptide anion characterization. Here, we report the first implementation of activated ion negative electron transfer dissociation (AI-NETD) on the chromatographic timescale, generating 7,601 unique peptide identifications from Saccharomyces cerevisiae in single-shot nLC-MS/MS analyses of tryptic peptides-a greater than 5-fold increase over previous results with NETD alone. These improvements translate to identification of 1,106 proteins, making this work the first negative mode study to identify more than 1,000 proteins in any system. We then compare the performance of AI-NETD for analysis of peptides generated by five proteases (trypsin, LysC, GluC, chymotrypsin, and AspN) for negative mode analyses, identifying as many as 5,356 peptides (1,045 proteins) with LysC and 4,213 peptides (857 proteins) with GluC in yeast-characterizing 1,359 proteins in total. Finally, we present the first deep-sequencing approach for negative mode proteomics, leveraging offline low-pH reversed-phase fractionation prior to online high-pH separations and peptide fragmentation with AI-NETD. With this platform, we identified 3,467 proteins in yeast with trypsin alone and characterized a total of 3,730 proteins using multiple proteases, or nearly 83% of the expressed yeast proteome. This work represents the most extensive negative mode proteomics study to date, establishing AI-NETD as a robust tool for large-scale peptide anion characterization and making the negative mode approach a more viable platform for future proteomic studies.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».