Peptide–Column Interactions and Their Influence on Back Exchange Rates in Hydrogen/Deuterium Exchange-MS
Notice bibliographique
Résumé
Hydrogen/deuterium exchange (HDX) methods generate useful information on protein structure and dynamics, ideally at the individual residue level. Most MS-based HDX methods involve a rapid proteolytic digestion followed by LC/MS analysis, with exchange kinetics monitored at the peptide level. Localizing specific sites of HDX is usually restricted to a resolution the size of the host peptide because gas-phase processes can scramble deuterium throughout the peptide. Subtractive methods may improve resolution, where deuterium levels of overlapping and nested peptides are used in a subtractive manner to localize exchange to smaller segments. In this study, we explore the underlying assumption of the subtractive method, namely, that the measured back exchange kinetics of a given residue is independent of its host peptide. Using a series of deuterated peptides, we show that secondary structure can be partially retained under quenched conditions, and that interactions between peptides and reversed-phase LC columns may both accelerate and decelerate residue HDX, depending upon peptide sequence and length. Secondary structure is induced through column interactions in peptides with a solution-phase propensity for structure, which has the effect of slowing HDX rates relative to predicted random coil values. Conversely, column interactions can orient random-coil peptide conformers to accelerate HDX, the degree to which correlates with peptide charge in solution, and which can be reversed by using stronger ion pairing reagents. The dependency of these effects on sequence and length suggest that subtractive methods for improving structural resolution in HDX-MS will not offer a straightforward solution for increasing exchange site resolution.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».