Nanoliter Solvent Extraction Combined with Microspot MALDI TOF Mass Spectrometry for the Analysis of Hydrophobic Biomolecules
Notice bibliographique
Résumé
A nanoliter solvent extraction technique combined with microspot matrix-assisted laser desorption/ionization (MALDI) mass spectrometry is presented. This method involves the use of a nanoliter droplet containing organic solvents at the tip of a small capillary for extraction. The droplet is formed inside a microliter aqueous sample containing the analyte of interest. After extraction, the droplet is deposited onto a MALDI target precoated with a thin matrix layer. Since the nanoliter droplet never touches the sample container wall, any possible extraction of contaminants adsorbed on the plastic or glassware is avoided. In addition, there is no need to concentrate the organic phase after the extraction, thus avoiding any possible loss during the concentration step. The nanoliter volume can be readily deposited onto a MALDI target, producing a high analyte concentration within a microspot. Combined with microspot MALDI, this technique allows for very sensitive analysis of the extracted analyte. The performance of this technique is illustrated in several applications involving the detection of hydrophobic peptides or phospholipids. It is shown that very hydrophobic analytes can be extracted from small-volume samples containing a large amount of salts and/or more hydrophilic analytes, which tend to give dominant signals in conventional MALDI experiments. Nanoliter extraction of analyte from samples containing less than 100 nM hydrophobic analyte and over 1 microM easily ionized hydrophilic species is demonstrated. Finally, using the analysis of the ionophore valinomycin as an example, it is demonstrated that the technique is a more reliable tool for probing metal-peptide complexes than regular MALDI sample preparations.
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 | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».