Enhanced detergent extraction for analysis of membrane proteomes by two-dimensional gel electrophoresis
Notice bibliographique
Résumé
BACKGROUND: The analysis of hydrophobic membrane proteins by two-dimensional gel electrophoresis has long been hampered by the concept of inherent difficulty due to solubility issues. We have optimized extraction protocols by varying the detergent composition of the solubilization buffer with a variety of commercially available non-ionic and zwitterionic detergents and detergent-like phospholipids. RESULTS: After initial analyses by one-dimensional SDS-PAGE, quantitative two-dimensional analyses of human erythrocyte membranes, mouse liver membranes, and mouse brain membranes, extracted with buffers that included the zwitterionic detergent MEGA 10 (decanoyl-N-methylglucamide) and the zwitterionic lipid LPC (1-lauroyl lysophosphatidylcholine), showed selective improvement over extraction with the common 2-DE detergent CHAPS (3 [(3-cholamidopropyl)dimethylammonio]-1-propanesulfonate). Mixtures of the three detergents showed additive improvements in spot number, density, and resolution. Substantial improvements in the analysis of a brain membrane proteome were observed. CONCLUSION: This study demonstrates that an optimized detergent mix, coupled with rigorous sample handling and electrophoretic protocols, enables simple and effective analysis of membrane proteomes using two-dimensional electrophoresis.
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 | 0,001 | 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 ».