Improvement in Peptide Detection for Proteomics Analyses Using NanoLC−MS and High-Field Asymmetry Waveform Ion Mobility Mass Spectrometry
Notice bibliographique
Résumé
Sensitive and selective detection of multiply charged peptide ions from complex tryptic digests was achieved using high-field asymmetric waveform ion mobility spectrometry (FAIMS) combined with nanoscale liquid chromatography-mass spectrometry (nanoLC-FAIMS-MS). The combination of FAIMS provided a marked advantage over conventional nanoLC-MS experiments by reducing the extent of chemical noise associated with singly charged ions and enhancing the overall population of detectable tryptic peptides. Such advantages were evidenced by a 6-12-fold improvement in signal-to-noise ratio measurements for a wide range of multiply charged peptide ions. An increase of 20% in the number of detected peptides compared to conventional nanoelectrospray was achieved by transmitting ions of different mobilities at high electric field vs low field while simultaneously recording each ion population in separate mass spectrometry acquisition channels. This method provided excellent reproducibility across replicate nanoLC-FAIMS-MS runs with more than 90% of all detected peptide ions showing less than 30% variation in intensity. The application of this technique in the context of proteomics research is demonstrated for the identification of trace-level proteins showing differential expression in U937 monocyte cell extracts following incubation with phorbol ester.
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 | 0,003 | 0,004 |
| 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 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».