Matrix‐assisted laser desorption/ionization directed nano‐electrospray ionization tandem mass spectrometric analysis for protein identification
Notice bibliographique
Résumé
In those cases where the information obtained by peptide mass fingerprinting or matrix-assisted laser desorption/ionization tandem mass spectrometry (MALDI-MS/MS) is not sufficient for unambiguous protein identification, nano-electrospray ionization (nano-ESI) and/or electrospray ionization tandem mass spectrometry (ESI-MS/MS) analysis must be performed. The sensitivity of nano-ESI/MS, however, is lower than that of MALDI-MS, especially at very low analyte concentrations and/or in the presence of contaminants, such as salt and detergents. Moreover, to perform ESI-MS/MS, the peptide masses of the precursor ions must be known. The approach described in this paper, MALDI-directed nano-ESI-MS/MS, makes use of information obtained from the more sensitive MALDI-MS experiments in order to direct subsequent nano-ESI-MS/MS experiments. Peptide molecular ions found in the MALDI-MS analysis are then selected, as their (+2) precursor ions, for nano-ESI-MS/MS sequencing, even though these ions cannot be detected in the ESI-MS spectra. This method, originally proposed by Tempst et al. (Anal. Chem. 2000, 72: 777-790), has been extended to provide better sensitivity and shorter analysis times; also, a comparison with liquid chromatography/tandem mass spectrometry (LC/MS/MS) has been performed. These experiments, performed using quadrupole time-of-flight instruments equipped with commercially available nano-ESI sources, have allowed the unambiguous identification of in-gel digested proteins at levels below their ESI-MS detection limits, even in the presence of salts and detergents.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,023 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».