MétaCan
Menu
Retour à la cohorte
Enregistrement W2038088590 · doi:10.1021/ac061248v

Multiplexed Proteomic Reactor for the Processing of Proteomic Samples

2006· article· en· W2038088590 sur OpenAlexaff
Weimin Hou, Martin Ethier, Jeffrey C. Smith, Yinglun Sheng, Daniel Figeys

Notice bibliographique

RevueAnalytical Chemistry · 2006
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced Proteomics Techniques and Applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésChemistryLysisFractionationChromatographySize-exclusion chromatographyProteomicsPeptideMass spectrometryProteomeBiochemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

We report the development of a 96-well plate proteomic reactor for gel-free processing of minute amounts of complex proteomic samples. The device performs multiplexed trapping, enrichment, and biochemical processing of proteins, resulting in concentrated peptide solutions ready for mass spectrometric analysis. Individual wells on the reactor can process up to 2 microg of protein. We also report the coupling of the plate proteomic reactor with protein fractionation using size-exclusion chromatography for large-scale identification of proteins. To illustrate the potential of this approach, we separated 400 microg of MCF7 cell lysate using size-exclusion chromatography and processed 35 protein fractions on the reactor plate. Using stringent criteria when searching the data, a total of 875 unique proteins were identified. More relaxed searching conditions associated with a 1% false positive rate led to the identification of 2683 unique proteins, meaning that one protein was identified per 3-10 ng of total protein lysate loaded on the reactor plate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,578

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,290
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetAdvanced Proteomics Techniques and ApplicationsTravaux en français237 207