Multiple Reaction Monitoring Enables Precise Quantification of 97 Proteins in Dried Blood Spots
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The dried blood spot (DBS) methodology provides a minimally invasive approach to sample collection and enables room-temperature storage for most analytes. DBS samples have successfully been analyzed by liquid chromatography multiple reaction monitoring mass spectrometry (LC/MRM-MS) to quantify a large range of small molecule biomarkers and drugs; however, this strategy has only recently been explored for MS-based proteomics applications. Here we report the development of a highly multiplexed MRM assay to quantify endogenous proteins in human DBS samples. This assay uses matching stable isotope-labeled standard peptides for precise, relative quantification, and standard curves to characterize the analytical performance. A total of 169 peptides, corresponding to 97 proteins, were quantified in the final assay with an average linear dynamic range of 207-fold and an average R(2) value of 0.987. The total range of this assay spanned almost 5 orders of magnitude from serum albumin (P02768) at 18.0 mg/ml down to cholinesterase (P06276) at 190 ng/ml. The average intra-assay and inter-assay precision for 6 biological samples ranged from 6.1-7.5% CV and 9.5-11.0% CV, respectively. The majority of peptide targets were stable after 154 days at storage temperatures from -20 °C to 37 °C. Furthermore, protein concentration ratios between matching DBS and whole blood samples were largely constant (<20% CV) across six biological samples. This assay represents the highest multiplexing yet achieved for targeted protein quantification in DBS samples and is suitable for biomedical research applications.
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.
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 | 0,001 | 0,001 |
| 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) | 0,000 | 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 découle