MétaCan
Menu
Retour à la cohorte
Enregistrement W2120161408 · doi:10.1002/pmic.200300415

Unique scanning capabilities of a new hybrid linear ion trap mass spectrometer (Q TRAP) used for high sensitivity proteomics applications

2003· article· en· W2120161408 sur OpenAlexaff
J. C. Yves Le Blanc, James W. Hager, A. M. Patricia Ilisiu, Christie L. Hunter, Ivan K. Chu

Notice bibliographique

RevuePROTEOMICS · 2003
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensSciex (Canada)
Organismes subventionnairesnon disponible
Mots-clésQuadrupole ion trapIon trapMass spectrometryTop-down proteomicsChemistryIonHybrid mass spectrometerTandem mass spectrometryTrap (plumbing)Triple quadrupole mass spectrometerAnalytical Chemistry (journal)Selected reaction monitoringProteomicsCharacterization (materials science)Mass spectrumChromatographyMaterials scienceNanotechnologyPhysics

Résumé

récupéré en direct d'OpenAlex

The unique scanning capabilities of a hybrid linear ion trap (Q TRAP) mass spectrometer are described with an emphasis on proteomics applications. The combination of the very selective triple quadrupole based tandem mass spectrometry (MS/MS) scans with the very sensitive ion trap product ion scans allows rapid identification of peptides at low concentrations derived from post-translationally modified proteins on chromatographic time scales. The Q TRAP instrument also offers the opportunity to conduct a variety of ion processing steps prior to performing a mass scan. For example, the enhancement of the multiple-charge ion contents of the ion trap can be performed resulting in a survey mass spectrum dominated by double- and triple-charge peptides. This facilitates the identification of relevant biological species in both separated and unseparated peptide mixtures for further MS/MS experiments.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,017
Tête enseignante GPT0,259
Écart entre enseignants0,242 · 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

Citations146
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePROTEOMICSMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207