Characterization of the <i>Mycobacterium tuberculosis</i> Proteome by Liquid Chromatography Mass Spectrometry-based Proteomics Techniques: A Comprehensive Resource for Tuberculosis Research
Notice bibliographique
Résumé
Approximately, one-third of the world's population is infected with Mycobacterium tuberculosis, the causative agent of tuberculosis. Secreted and membrane proteins that interact with the host play important roles for the pathogenicity of the bacteria and are potential drug targets or components of vaccines. In this present study, subcellular fractionation in combination with membrane enrichment was used to comprehensively analyze the M. tuberculosis proteome. The proteome of the M. tuberculosis cell wall, membrane, cytosol, lysate, and culture filtrate was defined with a high coverage. Exceptional enrichment for membrane proteins was achieved using wheat germ agglutinin (WGA)-affinity two-phase partitioning, a technique that has to date not yet been exploited for the enrichment of mycobacterial membranes. Overall, 1051 M. tuberculosis protein groups including 183 transmembrane proteins have been identified by LC-MS/MS analysis using stringent database search criteria with a minimum of two peptides and an estimated FDR of less than 1%. With many mycobacterial antigens and lipoglycoproteins identified, the results from this study suggest that many of the newly discovered proteins could represent potential candidates mediating host-pathogen interactions. In addition, this data set provides experimental information about protein localization and thus serves as a valuable resource for M. tuberculosis proteome research.
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 | 0,015 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».