A comparison of MS/MS‐based, stable‐isotope‐labeled, quantitation performance on ESI‐quadrupole TOF and MALDI‐TOF/TOF mass spectrometers
Notice bibliographique
Résumé
The peptide-based quantitation accuracy and precision of LC-ESI (QSTAR Elite) and LC-MALDI (4800 MALDI TOF/TOF) were compared by analyzing identical Escherichia coli tryptic digests containing iTRAQ-labeled peptides of defined abundances (1:1, 2.5:1, 5:1, and 10:1). Only 51.4% of QSTAR spectra were used for quantitation by ProteinPilot Software versus 66.7% of LC-MALDI spectra. The average protein sequence coverages for LC-ESI and LC-MALDI were 24.0 and 18.2% (14.9 and 8.4 peptides per protein), respectively. The iTRAQ-based expression ratios determined by ProteinPilot from the 57 467 ESI-MS/MS and 26 085 MALDI-MS/MS spectra were analyzed for measurement accuracy and reproducibility. When the relative abundances of peptides within a sample were increased from 1:1 to 10:1, the mean ratios calculated on both instruments differed by only 0.7-6.7% between platforms. In the 10:1 experiment, up to 64.7% of iTRAQ ratios from LC-ESI MS/MS spectra failed S/N thresholds and were excluded from quantitation, while only 0.1% of the equivalent LC-MALDI iTRAQ ratios were rejected. Re-analysis of an archived LC-MALDI sample set stored for 5 months generated 3715 MS/MS spectra for quantitation, compared with 3845 acquired originally, and the average ratios differed by only 3.1%. Overall, MS/MS-based peptide quantitation performance of offline LC-MALDI was comparable with on-line LC-ESI, which required threefold less time. However, offline LC-MALDI allows the re-analysis of archived HPLC-separated samples.
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 | 0,004 | 0,006 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 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) | 0,001 | 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 ».