Identification of proteins from two-dimensional polyacrylamide gels using a novel acid-labile surfactant
Notice bibliographique
Résumé
Protein identification by peptide mass mapping usually involves digestion of gel-separated proteins with trypsin, followed by mass measurement of the resulting peptides by matrix-assisted laser desorption/ionization mass spectrometry (MALDI-MS). Positive identification requires measurement of enough peptide masses to obtain a definitive match with sequence information recorded in protein or DNA sequence databases. However, competitive binding and ionization of residual surfactant introduced during polyacrylamide gel electrophoresis (PAGE) can inhibit solid-phase extraction and MS analysis of tryptic peptides. We have evaluated a novel, acid-labile surfactant (ALS) as an alternative to sodium dodecylsulfate (SDS) for two-dimensional (2-D) PAGE separation and MALDI-MS mapping of proteins. ALS was substituted for SDS at the same concentration in buffers and gels used for 2-D PAGE. Manual and automated procedures for spot cutting and in-gel digestion were used to process Coomassie stained proteins for MS analysis. Results indicate that substituting ALS for SDS during PAGE can significantly increase the number of peptides detected by MALDI-MS, especially for proteins of relatively low abundance. This effect is attributed to decomposition of ALS under acidic conditions during gel staining, destaining, peptide extraction and MS sample preparation. Automated excision and digestion procedures reduce contamination by keratin and other impurities, further enhancing MS identification of gel separated proteins.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».