The Proteome of Mouse Cerebral Arteries
Notice bibliographique
Résumé
The cerebral vasculature ensures proper cerebral function by transporting oxygen, nutrients, and other substances to the brain. Distribution of oxygenated blood throughout the neuroaxis takes place at the level of the circle of Willis (CW). While morphologic and functional alterations in CW arteries and its main branches have been reported in cerebrovascular and neurodegenerative diseases, accompanying changes in protein expression profiles remain largely uncharacterized. In this study, we performed proteomics to compile a novel list of proteins present in mouse CW arteries and its ramifications. Circle of Willis arteries were surgically removed from 6-month-old wild-type mice, proteins extracted and analyzed by two proteomics approaches, gel-free nanoLC-mass spectrometry (MS)/MS and gel-based GelLC-MS/MS, using nanoAcquity UPLC coupled with ESI-LTQ Orbitrap XL. The two approaches helped maximize arterial proteome coverage. Six biologic and two technical replicates were performed. In all, 2,188 proteins with at least 2 unique high-scoring peptides were identified (6,630 proteins total). Proteins were classified according to vasoactivity, blood-brain barrier specificity, tight junction and adhesion molecules, membrane transporters/channels, and extracellular matrix/basal lamina proteins. Furthermore, we compared the identified CW arterial proteome with the published brain microvascular proteome. Our database provides a vital resource for the study of CW cerebral arterial protein expression profiles in health and disease.
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 | 0,001 | 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 ».