Coupling immunoaffinity techniques with MS for quantitative analysis of low-abundance protein biomarkers
Notice bibliographique
Résumé
The field of proteomics is rapidly turning towards targeted mass spectrometry (MS) methods to quantify putative markers or known proteins of biological interest. Historically, the enzyme-linked immunosorbent assay (ELISA) has been used for targeted protein analysis, but, unfortunately, it is limited by the excessive time required for antibody preparation, as well as concerns over selectivity. Despite the ability of proteomics to deliver increasingly quantitative measurements, owing to limited sensitivity, the leads generated are in the microgram per milliliter range. This stands in stark contrast to ELISA, which is capable of quantifying proteins at low picogram per milliliter levels. To bridge this gap, targeted liquid chromatography (LC) tandem MS (MS/MS) analysis of tryptic peptide surrogates using selected reaction monitoring detection has emerged as a viable option for rapid quantification of target proteins. The precision of this approach has been enhanced by the use of stable isotope-labeled peptide internal standards to compensate for variation in recovery and the influence of differential matrix effects. Unfortunately, the complexity of proteinaceous matrices, such as plasma, limits the usefulness of this approach to quantification in the mid-nanogram per milliliter range (medium-abundance proteins). This article reviews the current status of LC/MS/MS using selected reaction monitoring for protein quantification, and specifically considers the use of a single antibody to achieve superior enrichment of either the protein target or the released tryptic peptide. Examples of immunoaffinity-assisted LC/MS/MS are reviewed that demonstrate quantitative analysis of low-abundance proteins (subnanogram per milliliter range). A strategy based on this technology is proposed for the expedited evaluation of novel protein biomarkers, which relies on the synergy created from the complementary nature of MS and ELISA.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,004 |
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 ».