Selective Extraction and Characterization of a Histidine-Phosphorylated Peptide Using Immobilized Copper(II) Ion Affinity Chromatography and Matrix-Assisted Laser Desorption/Ionization Time-of-Flight Mass Spectrometry
Notice bibliographique
Résumé
Phosphorylation is the predominant posttranslational modification involved in regulating enzymatic activity and mediating signal transduction in prokaryotic and eukaryotic cells. Selective enrichment of phosphorylated peptides prior to mass spectrometric analysis facilitates identification of phosphorylated proteins, determination of specific phosphorylated residues, and characterization of the conditions under which phosphorylation occurs. Such protocols have been established for peptides containing residues that form phosphoesters, such as serine and threonine, using immobilized metal-ion affinity chromatography. Despite the importance of histidine phosphorylation in two-component signal transduction pathways, similar protocols for peptides containing phosphorylated histidine (P-His) residues have proven elusive, due to the instability of these modifications and the propensity of unphosphorylated histidines to interact with immobilized metals ions. We describe a method for the selective extraction of a P-His-containing peptide using immobilized copper(II) ions and disposable metal-chelating pipet tips (ZipTipMC, Millipore). The method is contingent upon pH-dependent interactions between the phosphate group and immobilized copper(II) ions. Matrix-assisted laser desorption/ionization time-of-flight mass spectrometry with postsource decay confirms the identity and phosphorylation state of the extracted peptide. Peptides containing unphosphorylated histidine residues or other phosphorylated amino acids are not retained, demonstrating the specificity of the method for P-His-containing peptides.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».