Evaluation of Large Scale Quantitative Proteomic Assay Development Using Peptide Affinity-based Mass Spectrometry
Notice bibliographique
Résumé
Stable isotope standards and capture by antipeptide antibodies (SISCAPA) couples affinity enrichment of peptides with stable isotope dilution and detection by multiple reaction monitoring mass spectrometry to provide quantitative measurement of peptides as surrogates for their respective proteins. In this report, we describe a feasibility study to determine the success rate for production of suitable antibodies for SISCAPA assays in order to inform strategies for large-scale assay development. A workflow was designed that included a multiplex immunization strategy in which up to five proteotypic peptides from a single protein target were used to immunize individual rabbits. A total of 403 proteotypic tryptic peptides representing 89 protein targets were used as immunogens. Antipeptide antibody titers were measured by ELISA and 220 antipeptide antibodies representing 89 proteins were chosen for affinity purification. These antibodies were characterized with respect to their performance in SISCAPA-multiple reaction monitoring assays using trypsin-digested human plasma matrix. More than half of the assays generated were capable of detecting the target peptide at concentrations of less than 0.5 fmol/μl in human plasma, corresponding to protein concentrations of less than 100 ng/ml. The strategy of multiplexing five peptide immunogens was successful in generating a working assay for 100% of the targeted proteins in this evaluation study. These results indicate it is feasible for a single laboratory to develop hundreds of assays per year and allow planning for cost-effective generation of SISCAPA assays.
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 | 0,009 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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 ».