Solution-Phase Chelators for Suppressing Nonspecific Protein−Metal Interactions in Electrospray Mass Spectrometry
Notice bibliographique
Résumé
Protein-metal complexes may be transferred from solution into the gas phase by electrospray ionization (ESI), such that they can be directly analyzed by mass spectrometry (MS). In principle, therefore, ESI-MS represents a simple and elegant approach for gaining insights into the binding stoichiometry and affinity of these assemblies. Unfortunately, the formation of nonspecific metal adducts during ESI can be a severe problem, often leading to binding levels that are dramatically higher than those in bulk solution. Focusing on several calcium binding proteins as test systems, this work explores the suitability of different salts to serve as metal source. Despite their widespread use in previous ESI-MS studies, calcium chloride and acetate induce extensive nonspecific adduction. In contrast, much lower levels of artifactual metal binding are observed in the presence of calcium tartrate. In the case of high and intermediate affinity proteins, the resulting ESI-MS data are in excellent agreement with the calcium binding behavior in bulk solution. The situation is more challenging when studying proteins with very low affinities, but in the presence of tartrate qualitative information on protein-metal interactions can still be obtained. The beneficial effects of tartrate also extend to zinc binding experiments. This work does not directly explore the mechanism by which tartrate suppresses nonspecific metalation. However, it seems likely that weak chelators such as tartrate sequester metal ions within rapidly shrinking droplets during the final stages of ESI, thereby reducing nonspecific metal adduction to protein carboxylates. The use of tartrate and possibly other weak chelators will greatly enhance the reliability of future ESI-MS studies on the interactions of proteins with divalent metal ions.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».