Improvement of the Quantification Accuracy and Throughput for Phosphoproteome Analysis by a Pseudo Triplex Stable Isotope Dimethyl Labeling Approach
Notice bibliographique
Résumé
Accurately quantifying the changes of phosphorylation level on specific sites is crucial to understand the role of protein phosphorylation in physiological and pathological processes. Here, a pseudo triplex stable isotope dimethyl labeling approach was developed to improve the accuracy and the throughput of comprehensive quantitative phosphoproteome analyses. In this strategy, two identical samples are labeled with light and heavy isotopes, respectively, while another comparative sample is labeled with an intermediate isotope. Two replicated quantification results were achieved in just one experiment, and the relative standard deviation (RSD) criterion was used to control the quantification accuracy. Compared with the conventional duplex labeling approach, the number of quantified phosphopeptides increased nearly 50% and the experimental time was reduced by 50% under the same quantification accuracy. Combined with the automated online reversed phase-strong cation exchange-reversed phase (RP-SCX-RP) multidimensional separation system, a comparative phosphoproteome analysis of hepatocellular carcinoma (HCC) and normal human liver tissues was performed. Over 1800 phosphopeptides corresponding to ~2000 phosphorylation sites were quantified reliably in a 42 h multidimensional analysis. The pro-directed motifs, which were mainly associated with the extracellular signal-regulated kinases (ERKs), were observed as being overrepresented in the regulated phosphorylation sites, and some quantification results of phosphorylation sites were validated by the other studies. Therefore, this pseudo triplex labeling approach was demonstrated as a promising alternative for the comprehensive quantitative phosphoproteome analysis.
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 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 | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».