MétaCan
Menu
Retour à la cohorte
Enregistrement W1964307492 · doi:10.1021/ac901373q

Method for the Affinity Purification of Covalently Linked Peptides Following Cyanogen Bromide Cleavage of Proteins

2009· article· en· W1964307492 sur OpenAlexaff
Tujin Shi, Rasanjala Weerasekera, Yan Chen, William Reginold, Haydn L. Ball, Thomas Kislinger, Gerold Schmitt‐Ulms

Notice bibliographique

RevueAnalytical Chemistry · 2009
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced Proteomics Techniques and Applications
Établissements canadiensUniversity of TorontoOntario Institute for Cancer Research
Organismes subventionnairesBritish Heart Foundation
Mots-clésCyanogen bromideChemistryCovalent bondCyanogenCleavage (geology)Affinity chromatographyCombinatorial chemistryChromatographyChemical modificationPeptideTandem mass spectrometryPeptide sequenceMass spectrometryBiochemistryOrganic chemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

The low resolution structure of a protein can sometimes be inferred from information about existing disulfide bridges or experimentally introduced chemical crosslinks. Frequently, this task involves enzymatic digestion of a protein followed by mass spectrometry-based identification of covalently linked peptides. To facilitate this task, we developed a method for the enrichment of covalently linked peptides following the chemical cleavage of a protein. The method capitalizes on the availability of homoserine lactone moieties at the C-termini of cyanogen bromide cleavage products which support selective conjugation of affinity tags. The availability of two C-termini within covalently linked peptides allows for the conjugation of two distinct affinity tags and thereby enables subsequent removal of unmodified peptides by tandem affinity chromatography. Here, we demonstrate the stepwise implementation of this method using a polyhistidine tag and a biotin tag for the selective two-step purification of covalently linked cyanogen bromide fragments from increasingly complex protein samples. The method is independent of the nature of the covalent bond, is adaptable to fully denaturing conditions, and requires only low picomole quantities of starting material.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,005

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,329
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetAdvanced Proteomics Techniques and ApplicationsTravaux en français237 207