MétaCan
Menu
Retour à la cohorte
Enregistrement W2119560703 · doi:10.1074/mcp.m100027-mcp200

Selective Detection of Membrane Proteins Without Antibodies

2002· article· en· W2119560703 sur OpenAlexfundno aff
David Arnott, Adrianne Kishiyama, Elizabeth Luis, Sarah G. Ludlum, James C. Marsters, John T. Stults

Notice bibliographique

RevueMolecular & Cellular Proteomics · 2002
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced Proteomics Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesGenentechCanadian Institute for Theoretical Astrophysics
Mots-clésChemistryMass spectrometryTandem mass spectrometryWestern blotChromatographyIon trapPeptideReagentAntibodyBiochemistryBiology

Résumé

récupéré en direct d'OpenAlex

A method has been developed, called the mass western experiment in analogy to the Western blot, to detect the presence of specific proteins in complex mixtures without the need for antibodies. Proteins are identified with high sensitivity and selectivity, and their abundances are compared between samples. Membrane protein extracts were labeled with custom isotope-coded affinity tag reagents and digested, and the labeled peptides were analyzed by liquid chromatography-tandem mass spectrometry. Ions corresponding to anticipated tryptic peptides from the proteins of interest were continuously subjected to collision-induced dissociation in an ion trap mass spectrometer; heavy and light isotope-coded affinity tag-labeled peptides were simultaneously trapped and fragmented accomplishing identification and quantitation in a single mass spectrum. This application of ion trap selective reaction monitoring maximizes sensitivity, enabling analysis of peptides that would otherwise go undetected. The cell surface proteins prostate stem cell antigen (PSCA) and ErbB2 were detected in prostate and breast tumor cell lines in which they are expressed in known abundances spanning orders of magnitude.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,003

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,226
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations82
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular & Cellular ProteomicsMême sujetAdvanced Proteomics Techniques and ApplicationsTravaux en français237 207