Towards further defining the proteome of mouse saliva
Notice bibliographique
Résumé
BACKGROUND: Knowledge of the mouse salivary proteome is not well documented and as a result, very limited. Currently, several salivary proteins remain unidentified and for some others, their function yet to be determined. The goal of the present study is to utilize mass spectrometry analysis to widen our knowledge of mouse salivary proteins, and through extensive database searches, provide further insight into the array of proteins that can be found in saliva. A comprehensive mouse salivary proteome will also facilitate the development of mouse models to study specific biomarkers of many human diseases. RESULTS: Individual saliva samples were collected from male and female mice, and later pooled according to sex. Two pools of saliva from female mice (2 samples/pool) and 2 pools of saliva from male mice were used for analysis utilizing high performance liquid chromatograph mass spectrometry (nano-RPLC-MS/MS). The resulting datasets identified 345 proteins: 174 proteins were represented in saliva obtained from both sexes, as well as 82 others that were more female specific and 89 that were more male specific. Of these sex linked proteins, twelve were identified as exclusively sex-limited; 10 unique to males and 2 unique to females. Functional analysis of the 345 proteins identified 128 proteins with catalytic activity characteristics; indicative of proteins involved in digestion, and 35 proteins associated with stress response, host defense, and wound healing functions. Submission of the list of 345 proteins to the BioMart data mining tool in the Ensembl database further allowed us to identify a total of 283 orthologous human genes, of which, 131 proteins were recently reported to be present in the human salivary proteome. CONCLUSIONS: The present study is the most comprehensive list to date of the proteins that constitute the mouse salivary proteome. The data presented can serve as a useful resource for identifying potentially useful biomarkers of human 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 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 | 0,002 | 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) | 0,001 | 0,001 |
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 ».