Mass Spectrometric Quantitation of Peptides and Proteins Using Stable Isotope Standards and Capture by Anti-Peptide Antibodies (SISCAPA)
Notice bibliographique
Résumé
A method (denoted SISCAPA) for quantitation of peptides in complex digests is described. In the method, anti-peptide antibodies immobilized on 100 nanoliter nanoaffinity columns are used to enrich specific peptides along with spiked stable-isotope-labeled internal standards of the same sequence. Upon elution from the anti-peptide antibody supports, electrospray mass spectrometry is used to quantitate the peptides (natural and labeled). In a series of pilot experiments, tryptic test peptides were chosen for four proteins of human plasma (hemopexin, alpha1 antichymotrypsin, interleukin-6, and tumor necrosis factor-alpha) from a pool of 10,203 in silico tryptic peptide candidates representing 237 known plasma components. Rabbit polyclonal antibodies raised against the chosen peptide sequences were affinity purified and covalently immobilized on POROS supports. Binding and elution from these supports was shown to provide an average 120-fold enrichment of the antigen peptide relative to others, as measured by selected ion monitoring (SIM) or selected reaction monitoring (SRM) electrospray mass spectrometry. The columns could be recycled with little loss in binding capacity, and generated peptide ion current measurements with cycle-to-cycle coefficients of variation near 5%. Anti-peptide antibody enrichment will contribute to increased sensitivity of MS-based assays, particularly for lower abundance proteins in plasma, and may ultimately allow substitution of a rapid bind/elute process for the time-consuming reverse phase separation now used as a prelude to online MS peptide assays. The method appears suitable for rapid generation of assays for defined proteins, and should find application in the validation of diagnostic protein panels in large sample sets.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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 ».