Targeted glycomics by selected reaction monitoring for highly sensitive glycan compositional analysis
Notice bibliographique
Résumé
The development of glycomics increasingly requires the detection and quantification of large numbers of glycans, which is only partially achieved by current glycomics approaches. Taking advantage of selected reaction monitoring to enhance both sensitivity and selectivity, we report here a strategy termed targeted glycomics that enables highly sensitive and consistent identification and quantification of diverse glycans across multiple samples at the same time. In this proof-of-principle study, we validated the method by analyzing global N-glycans expressed in different systems: single proteins, cancer cells, and serum samples. A dynamic range of three orders of magnitude was obtained for the detection of all five glycans released from ribonuclease B. The limit of detection of 80 attomole for Man(9)GlcNAc(2) demonstrated the excellent sensitivity of the method. The capability of the strategy to identify diverse glycans was demonstrated by identification and detection of 162 different glycans and isomers from pancreatic cancer cells. The sensitivity of the method was illustrated further by the ability to detect eight glycans from 250 cancer cells and five glycans released from 100 cancer cells. In serum obtained from rabbits fed control diet or diet enriched with 2% cholesterol, differences to 42 glycans were accurately measured and this indicates that this strategy might find use in studies of biomarker discovery and validation.
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 | 0,000 |
| 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) | 0,000 | 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 ».