Information‐dependent <scp>LC</scp>‐<scp>MS</scp>/<scp>MS</scp> acquisition with exclusion lists potentially generated on‐the‐fly: Case study using a whole cell digest of <i><scp>C</scp>lostridium thermocellum</i>
Notice bibliographique
Résumé
We have developed a real-time graphic-processor-unit-based search engine capable of high-quality peptide identifications in <500 μs per spectrum. The steps of peptide/protein identification, in-silico prediction of all possible tryptic peptides from these proteins, and the prediction of their expected retention times and m/z values take less than 5 s per cycle over ∼3000 MS/MS spectra. This lays the foundation for information-dependent acquisition with exclusion lists generated on-the-fly, as the instrument continues to acquire data. While a complete evaluation of the dynamic exclusion system requires the participation from instrument vendors, we conducted a series of model experiments using a whole cell tryptic digestion of the bacterium Clostridium thermocellum. We ran a series of five iterative LC-MS/MS runs, adding a new exclusion list at each of four chromatographic "tripping points" - the elution times of the four standard peptides spiked into the sample. Retention times of these standard peptides were also used for real-time "chromatographic calibration." The dynamic exclusion approach gave a ≈ 5% increase in confident protein identification (for typical 2 h LC-MS/MS run), and reduced the average number of identified peptides per protein from 4.7 to 2.9. Its application to a two-times shorter gradient gave a ≈ 17% increase in proteins identified. Further improvements are possible for instruments with better mass accuracy, by employing a more accurate retention prediction algorithm and by developing better understanding of the possible chemical modifications and fragmentations produced during electrospray ionization.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».