Combined Enzymatic and Data Mining Approaches for Comprehensive Phosphoproteome Analyses
Notice bibliographique
Résumé
Protein phosphorylation is a central cell signaling event that underlies a broad spectrum of key physiological processes. Advances in affinity chromatography and mass spectrometry are now providing the ability to identify and quantitate thousands of phosphorylation sites simultaneously. Comprehensive phosphoproteome analyses present sizable analytical challenges in view of suppression effects of phosphopeptides and the variable quality of MS/MS spectra. This work presents an integrated enzymatic and data mining approach enabling the comprehensive detection of native and putative phosphopeptides following alkaline phosphatase digestion of titanium dioxide (TiO2)-enriched cell extracts. The correlation of retention times of more than 750 phospho- and dephosphopeptide pairs from J774 macrophage cell extracts indicated that removal of the phosphate groups can impart a gain or a loss in hydrophobicity that is partly explained by the formation of a salt bridge with proximal amino groups. Dephosphorylation also led to an average 2-fold increase in MS sensitivity that facilitated peptide sequencing. More importantly, alkaline phosphatase digestion enhanced the overall population of putative phosphopeptides from TiO2-enriched cell extracts providing a unique approach to profile multiphosphorylated cognates that would have remained otherwise undetected. The application of this approach is demonstrated for differential phosphoproteome analyses of mouse macrophages exposed to interferon-gamma for 5 min. TiO2 enrichment enabled the identification of 1143 phosphopeptides from 432 different proteins of which 125 phosphopeptides showed a 2-fold change upon interferon-gamma exposure. The use of alkaline phosphatase nearly doubled the number of putative phosphopeptides assignments leading to the observation of key interferon-gamma signaling events involved in vesicle trafficking, production of reactive oxygen species, and mRNA translation.
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 | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».