Development of Mass Spectrometry-Based Shotgun Method for Proteome Analysis of 500 to 5000 Cancer Cells
Notice bibliographique
Résumé
A shotgun proteome analysis method and its performance for protein identification from 500 to 5000 cells are described. Sample preparation, which was done in one tube, involved the use of a surfactant (NP-40) for cell lysis, followed by acetone precipitation of the proteins. The resulting protein pellet was washed with cold acetone to remove remaining surfactant, and the pellet was then solubilized in NH(4)HCO(3). After trypsin digestion of the proteins, the digest was analyzed by the use of nanoflow liquid chromatography (LC) quadrupole time-of-flight mass spectrometry (QTOF MS). Sample injection and gradient speed in running LC QTOF MS were optimized. It was shown that this method could identify an average (n = 3) of 167 +/- 21, 237 +/- 30, 491 +/- 63, and 619 +/- 59 proteins from 500, 1000, 2500, and 5000 MCF-7 breast cancer cells, respectively. To demonstrate the potential use of this method for generating proteome profile from circulating tumor cells (CTCs) isolated from human blood, a healthy human blood sample was spiked with MCF-7 cells, and this mixture was processed and then subjected to antibody tagging of the MCF-7 cells. The tagged cells were sorted and collected using flow cytometry. The proteome profiles of small numbers of cells isolated in this way were found to be similar to those of the original MCF-7 cells, suggesting the possibility of the use of this method for cell typing of CTCs.
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) | 0,001 | 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 ».