Comprehensive proteomic analysis of protein changes during platelet storage requires complementary proteomic approaches
Notice bibliographique
Résumé
BACKGROUND: Proteomics methods may be used to analyze changes occurring in stored blood products. These data sets can identify processes leading to storage-associated losses of blood component quality such as the platelet (PLT) storage lesion (PSL). The optimal strategy to perform such analyses to obtain the most informative data sets, including which proteomics methods, is undefined. This study addresses relative differences among proteomics approaches to the analysis of the PLT storage lesion. STUDY DESIGN AND METHODS: Changes to the PLT proteome between Days 1 and 7 of storage were analyzed with three complementary proteomic approaches with final mass spectrometry analysis: two-dimensional (2D) gel electrophoresis/differential gel electrophoresis (DIGE), isotope tagging for relative and absolute quantitation (iTRAQ), and isotope-coded affinity tagging (ICAT). Observed changes in concentration during storage of selected proteins were confirmed by immunoblotting. RESULTS: In total, 503 individual proteins changed concentration over a 7-day storage period. By method, a total of 93 proteins were identified by 2D gel/DIGE, 355 by iTRAQ, and 139 by ICAT. Less than 16 percent of the 503 proteins, however, were identified by not more than at least two proteomic approaches. Only 5 proteins were identified by all approaches. Membrane protein changes were not reliably detected with 2D gel/DIGE methods. CONCLUSION: Although proteomics analyses identified many storage-associated protein changes, these varied significantly by method suggesting that a combination of protein-centric (2D gel or DIGE) and peptide-centric (iTRAQ or ICAT) approaches are essential to acquire adequate data. The use of one proteomics method to study changes in stored blood products may give insufficient information.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».