Free‐flow electrophoresis for top‐down proteomics by Fourier transform ion cyclotron resonance mass spectrometry
Notice bibliographique
Résumé
High-efficiency prefractionation of complex protein mixtures is critical for top-down proteomics, i.e., the analysis of intact proteins by MS. Free-flow electrophoresis (FFE) can be used for IEF to separate proteins within a pH gradient according to their pIs. In an FFE system, this separation is performed entirely in the liquid phase, without the need for particulate chromatographic media, gels, or membranes. Herein, we demonstrated the compatibility of IEF-FFE with ESI-Fourier transform ICR MS (ESI-FTICR-MS) for top-down experiments. We demonstrated that IEF-FFE of intact proteins were highly reproducible between FFE instruments, between laboratories, and between analyses. Applying native (0.2% hydroxypropylmethyl cellulose) IEF-FFE to an enzyme resulted in no decrease in enzyme activity; applying either native or denaturing (8 M urea) IEF-FFE to a four-protein mixture with different pIs resulted in isolation of each protein into separate fractions in a 96-well plate. After desalting, each protein was sequenced by top-down MS/MS. As an application of this technique, chicken erythrocyte histone H2A-IV and its major modified forms were enriched by IEF-FFE. Top-down analysis revealed Lys-5 to be a major acetylation site, in addition to N-terminal acetylation.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».