3D HPLC-MS with Reversed-Phase Separation Functionality in All Three Dimensions for Large-Scale Bottom-Up Proteomics and Peptide Retention Data Collection
Notice bibliographique
Résumé
The growing complexity of proteomics samples and the desire for deeper analysis drive the development of both better MS instrument and advanced multidimensional separation schemes. We applied 1D, 2D, and 3D LC-MS/MS separation protocols (all of reversed-phase C18 functionality) to a tryptic digest of whole Jurkat cell lysate to estimate the depth of proteome coverage and to collect high-quality peptide retention information. We varied pH of the eluent and hydrophobicity of ion-pairing modifier to achieve good separation orthogonality (utilization of MS instrument time). All separation modes employed identical LC settings with formic-acid-based eluents in the last dimension. The 2D protocol used a high pH-low pH scheme with 21 concatenated fractions. In the 3D protocol, six concatenated fractions from the first dimension (C18, heptafluorobutyric acid) were analyzed using the identical 2D LC-MS procedure. This approach permitted a detailed evaluation of the analysis output consuming 21× and 126× the analysis time and sample load compared to 1D. Acquisition over 189 h of instrument time in 3D mode resulted in the identification of ∼14 000 proteins and ∼250 000 unique peptides. We estimated the dynamic range via peak intensity at the MS(2) level as approximately 10(4.2), 10(5.6), and 10(6.2) for the 1D, 2D, and 3D protocols, respectively. The uniform distribution of the number of acquired MS/MS, protein, and peptide identifications across all 126 fractions and through the chromatographic time scale in the last LC-MS stage indicates good separation orthogonality. The protocol is scalable and is amenable to the use of peptide retention prediction in all dimensions. All these features make it a very good candidate for large-scale bottom-up proteomic runs, which target both protein identification as well as the collection of peptide retention data sets for targeted quantitative 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.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,005 |
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 ».