Ultrarapid Desalting of Protein Solutions for Electrospray Mass Spectrometry in a Microchannel Laminar Flow Device
Notice bibliographique
Résumé
The adverse effects of nonvolatile salts on the electrospray (ESI) mass spectra of proteins and other biological analytes are a major obstacle for a wide range of applications. Numerous sample cleanup approaches have been devised to facilitate ESI-MS analyses. Recently developed microdialysis techniques can shorten desalting times down to several minutes, the bottleneck being diffusion of the contaminant through a semipermeable membrane. This work introduces an approach that allows the on-line desalting of macromolecule solutions within tens of milliseconds. The device does not employ a membrane; instead, it uses a two-layered laminar flow geometry that exploits the differential diffusion of macromolecular analytes and low molecular weight contaminants. To maximize desalting efficiency, diffusive exchange between the flow layers is permitted only for such a time as to allow full exchange of salt, while incurring minimal macromolecule exchange. Computer simulations and optical studies show that the device can reduce the salt concentration by roughly 1 order of magnitude, while retaining approximately 70% of the original protein concentration. Application of this approach to the on-line purification of salt-contaminated protein solutions in ESI-MS results in dramatic improvements of both the signal-to-noise ratio and the absolute signal intensity. However, efficient desalting requires the diffusion coefficients of salt and analyte to differ by roughly 1 order of magnitude or more. This technique has potential to facilitate high-throughput analyses of biological macromolecules directly from complex matrixes. In addition, it may become a valuable tool for process monitoring and for on-line kinetic studies on biological systems.
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) | 0,002 | 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 ».