Enrichment and analysis of phosphopeptides under different experimental conditions using titanium dioxide affinity chromatography and mass spectrometry
Notice bibliographique
Résumé
Titanium dioxide metal oxide affinity chromatography (TiO(2)-MOAC) is widely regarded as being more selective than immobilized metal-ion affinity chromatography (IMAC) for phosphopeptide enrichment. However, the widespread application of TiO(2)-MOAC to biological samples is hampered by conflicting reports as to which experimental conditions are optimal. We have evaluated the performance of TiO(2)-MOAC under a wide range of loading and elution conditions. Loading and stringent washing of peptides with strongly acidic solutions ensured highly selective enrichment for phosphopeptides, with minimal carryover of non-phosphorylated peptides. Contrary to previous reports, the addition of glycolic acid to the loading solution was found to reduce specificity towards phosphopeptides. Base elution in ammonium hydroxide or ammonium phosphate provided optimal specificity and recovery of phosphorylated peptides. In contrast, elution with phosphoric acid gave incomplete recovery of phosphopeptides, whereas inclusion of 2,5-dihydroxybenzoic acid in the eluant introduced a bias against the recovery of multiply phosphorylated peptides. TiO(2)-MOAC was also found to be intolerant of many reagents commonly used as phosphatase inhibitors during protein purification. However, TiO(2)-MOAC showed higher specificity than immobilized gallium (Ga(3+)), immobilized iron (Fe(3+)), or zirconium dioxide (ZrO(2)) affinity chromatography for phosphopeptide enrichment. Matrix-assisted laser desorption/ionization mass spectrometry (MALDI-MS) was more effective in detecting larger, multiply phosphorylated peptides than liquid chromatography/electrospray ionization tandem mass spectrometry (LC/ESI-MS/MS), which was more efficient for smaller, singly phosphorylated peptides.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».