A Laborsaving, Timesaving, and More Reliable Strategy for Separation of Low-Molecular-Mass Phosphoproteins in Phos-tag Affinity Electrophoresis
Notice bibliographique
Résumé
Reversible phosphorylation is a key signaling mechanism for modulating the functional properties of proteins involved in numerous cellular events. Abnormal protein phosphorylation causes many human diseases. Experimental procedures for the determination of the phosphorylation status of certain proteins are therefore very important in relation to studies on a diverse range of physiological and pathological processes. We have previously reported a novel phosphate-affinity sodium dodecyl sulfate-polyacrylamide gel electrophoresis (SDS-PAGE) technique using a dizinc(II) complex of the phosphate-binding ligand Phos-tag in conjunction with a neutral-pH gel system to detect shifts in the mobilities of phosphoproteins (Zn2+–Phos-tag SDS-PAGE). However, this handmade gel-based procedure is often laborious and time-consuming to perform, and requires a skillful analyst. More recently, SuperSep Phos-tag precast gel has been developed on the basis of the Zn2+–Phos-tag SDS-PAGE methodology. This novel ready-to-use system employs a neutral-pH gel containing 12.5% (w/v) polyacrylamide and the immobilized Zn2+–Phos-tag (50 µM), which is generally used in conjunction with a Tris–glycine-based electrophoretic running buffer. We examined the potential usage of a Tris–N-[2-hydroxy-1,1-bis(hydroxymethyl)ethyl]glycine (Tris–Tricine) buffer as an alternative running buffer for the SuperSep Phos-tag precast gel system in the analysis of low-molecular-mass phosphoproteins. Compared with Tris–glycine, the Tris–Tricine running buffer improved the resolution of 8.8-35 kDa phosphoproteins and phosphopeptides. We can therefore provide a laborsaving, timesaving, and more reliable strategy for separation of low-molecular-mass phosphoproteins in Phos-tag affinity electrophoresis.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».