Mass Spectrometric Quantitation of Peptides and Proteins Using Stable Isotope Standards and Capture by Anti-Peptide Antibodies (SISCAPA)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle