Improved Peptide Identification by Targeted Fragmentation Using CID, HCD and ETD on an LTQ-Orbitrap Velos
Notice bibliographique
Résumé
Over the past decade peptide sequencing by collision induced dissociation (CID) has become the method of choice in mass spectrometry-based proteomics. The development of alternative fragmentation techniques such as electron transfer dissociation (ETD) has extended the possibilities within tandem mass spectrometry. Recent advances in instrumentation allow peptide fragment ions to be detected with high speed and sensitivity (e.g., in a 2D or 3D ion trap) or at high resolution and high mass accuracy (e.g., an Orbitrap or a ToF). Here, we describe a comprehensive experimental comparison of using ETD, ion-trap CID, and beam type CID (HCD) in combination with either linear ion trap or Orbitrap readout for the large-scale analysis of tryptic peptides. We investigate which combination of fragmentation technique and mass analyzer provides the best performance for the analysis of distinct peptide populations such as N-acetylated, phosphorylated, and tryptic peptides with up to two missed cleavages. We found that HCD provides more peptide identifications than CID and ETD for doubly charged peptides. In terms of Mascot score, ETD FT outperforms the other techniques for peptides with charge states higher than 2. Our data shows that there is a trade-off between spectral quality and speed when using the Orbitrap for fragment ion detection. We conclude that a decision-tree regulated combination of higher-energy collisional dissociation (HCD) and ETD can improve the average Mascot score.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».