Global analysis of protein phosphorylation networks in insulin signaling by sequential enrichment of phosphoproteins and phosphopeptides
Notice bibliographique
Résumé
Although the important role of protein phosphorylation in insulin signaling networks is well recognized, its analysis in vivo has not been pursued in a systematic fashion through proteome-wide studies. Here we undertake a global analysis of insulin-induced changes in the rat liver cytoplasmic and endosomal phosphoproteome by sequential enrichment of phosphoproteins and phosphopeptides. After subcellular fractionation proteins were denatured and loaded onto iminodiacetic acid-modified Sepharose with immobilized Al³⁺ ions (IMAC-Al resin). Retained phosphoproteins were eluted with 50 mM phosphate and proteolytically digested. The digest was then loaded onto an IMAC-Al resin and phosphopeptides were eluted with 50 mM phosphate, and resolved by 2-dimensional liquid chromatography, which combined offline weak anion exchange and online reverse phase separations. The peptides were identified by tandem mass spectrometry, which also detected the phosphorylation sites. Non-phosphorylated peptides found in the flow-through of the IMAC-Al columns were also analyzed providing complementary information for protein identification. In this study we enriched phosphopeptides to ~85% purity and identified 1456 phosphopeptides from 604 liver phosphoproteins. Eighty-nine phosphosites including 45 novel ones in 83 proteins involved in vesicular transport, metabolism, cell motility and structure, gene expression and various signaling pathways were changed in response to insulin treatment. Together these findings could provide potential new markers for evaluating insulin action and resistance in obesity and diabetes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».