Practical Implementation of 2D HPLC Scheme with Accurate Peptide Retention Prediction in Both Dimensions for High-Throughput Bottom-Up Proteomics
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
We describe the practical implementation of a new RP (pH 10 - pH 2) 2D HPLC-ESI/MS scheme for large-scale bottom-up analysis in proteomics. When compared to the common SCX-RP approach, it provides a higher separation efficiency in the first dimension and increases the number of identified peptides/proteins. We also employed the methodology of our sequence-specific retention calculator (SSRCalc) and developed peptide retention prediction algorithms for both LC dimensions. A diverse set of approximately 10,000 tryptic peptides from the soluble protein fraction of whole NK-type cells gave retention time versus hydrophobicity correlations, with R (2) values of 0.95 for pH 10 and 0.945 for pH 2 (formic acid) separation modes. The superior separation efficiency and the ability to use retention prediction to filter out false-positive MS/MS identifications gives promise that this approach will be a method of choice for large-scale proteomics analyses in the future. Finally, the "semi-orthogonal" separation selectivity permits the concatenation of fractions in the first dimension of separation before the final LC-ESI MS step, effectively cutting the analysis time in half, while resulting in a minimal reduction in protein identification.
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 | 0,000 | 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 découle