Glycoproteomic Reactor for Human Plasma
Notice bibliographique
Résumé
We describe the development of a glycoproteomic reactor that combines multiple biochemical and chemical protein processing into a single device for the study of N-glycosylated proteins. The glycoproteins are first enriched by concanavalin A affinity chromatography and then transferred onto and efficiently processed in the glycoproteomic reactor. This glycoproteomic reactor combines protein concentration and purification, disulfide bond reduction, peptide-N-glycosidase-mediated (18)O-labeling and deglycosylation, alkylation, tryptic digestion and pH based fractionation in a device that has an interstitial volume (reaction volume) of approximately 1 microL. We demonstrated the potential of the glycoproteomic reactor using human plasma. Under stringent criteria, 82 unique glycopeptides representing 41 unique glycoproteins were identified from as little as 5 microL of human plasma. Our glycoproteomic reactor reduces the sample processing time to less than 1.5 h, reduces the reagent consumption while providing over 1000-fold concentration of the sample, provides efficient removal of high concentration of glycan buffer, and, finally, allows both glycopeptides and nonglycosylated tryptic peptides to be analyzed by the mass spectrometer which provides much greater protein coverage and more reliable identifications.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».