Simple and Robust Two-Layer Matrix/Sample Preparation Method for MALDI MS/MS Analysis of Peptides
Notice bibliographique
Résumé
Recent advances in MALDI MS/MS instrumentation allow a high degree of automation in the efficient detection of peptide fragment ions that can be used for protein identification. However, the performance of the technique is dependent on the MALDI sample preparation. We present a simple and robust two-layer sample preparation method tailored for sensitive and reproducible generation of MALDI MS/MS data. This method produces a strong and uniform crystal layer which allows acquisition of high quality MS/MS spectra over the entire sample surface area. Furthermore, due to its crystal strength, the matrix/sample layer can be washed extensively on target, enabling direct analysis of samples containing impurities, such as salts and surfactants. This method is demonstrated to be very useful in routine analysis of in-gel tryptic digests of silver-stained protein gel spots, without the need of desalting steps or hunting for "hot" spots. As an example, seven threonine-phosphorylated proteins involved in signal transduction in response to growth factor stimulation within the lipid raft fractions of the IMR5 neuroblastoma cells have been identified using differential gel display, in-gel digestion and MALDI MS/MS with the new two-layer sample preparation method. Some of these proteins have the functions of maintaining raft structure or cell signaling.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».