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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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) | 0,005 | 0,006 |
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 ».