Peptide mass fingerprinting by matrix‐assisted laser desorption ionization mass spectrometry of proteins detected by immunostaining on nitrocellulose
Notice bibliographique
Résumé
We have developed an approach that allows peptide mass mapping by matrix-assisted laser desorption ionization-mass spectrometry of proteins visualized on a nitrocellulose membrane by immunochemical detection. Proteins are separated by sodium dodecyl sulfate-polyacrylamide gel electrophoresis (SDS-PAGE), electroblotted onto a nitrocellulose membrane and after blocking with a nonprotein-containing polymer such as polyvinylpyrrolidone 40 (PVP-40) or Tween 20, the proteins are stained with fount India ink. After incubation with primary and, if required, secondary peroxidase-coupled antibodies, immunochemically reactive proteins can be visualized using conventional enhanced chemiluminescence detection and assigned to the India ink-stained membrane by simple superposition. The proteins of interest are excised, submitted to "on-membrane" cleavage and the peptides are analyzed by mass spectrometry. Protein-based blocking reagents normally used in standard immunodetection protocols, such as skimmed milk, can be employed. We have obtained high-quality mass spectra of bovine serum albumin (BSA) detected on an immunoblot with an estimated amount of 100 fmol applied onto the gel, indicating the sensitivity of the present method. In addition, the approach is demonstrated with two other commercially available proteins, a serum protein, the successful identification of a tyrosine phosphorylated protein from total rat liver homogenate and serine phosphorylated proteins from an EcR 293 nuclear extract separated by two-dimensional (2-D) SDS-PAGE.
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 | 0,001 |
| 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 ».