MASS SPECTROMETRY OUTGROWS SIMPLE BIOCHEMISTRY: NEW APPROACHES TO ORGANELLE PROTEOMICS
Notice bibliographique
Résumé
Organelles are subcellular compartments or structures that typically carry out a defined set of functions within the cell. The functions of many organelles are known or predicted, but without knowing all the components of any recognized organelle it is difficult to fully understand them. Mass spectrometry-based proteomics now allows for routine identification of several hundreds or thousands of proteins in very complex samples; for cell biologists, organelles represent perhaps the most interesting class of cellular components to apply this new technology to. However, in order to analyze the proteome of an organelle it first must be purified, and the limitations in purifying any biological sample to homogeneity quickly become apparent to the vigilant mass spectrometrist. At the end of an organelle proteomic investigation, investigators are left with a long list of proteins whose location needs to be verified by an orthogonal method, a daunting prospect; or, they must accept an unknown and possibly very high level of incorrect localizations. Some of these caveats can be partially overcome by incorporating quantitative aspects into organelle proteomic studies. This review discusses some alternative approaches to organelle proteomics where questions of specificity and/or functional relevance are addressed by incorporating a quantitative dimension into the experiment.
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 | 0,010 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,004 | 0,012 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,005 |
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 ».