MétaCan
Menu
Retour à la cohorte
Enregistrement W2333202500 · doi:10.1021/ac301298g

On the Formation of Highly Charged Gaseous Ions from Unfolded Proteins by Electrospray Ionization

2012· article· en· W2333202500 sur OpenAlexaff
Lars Konermann, Antony D. Rodriguez, Jiangjiang Liu

Notice bibliographique

RevueAnalytical Chemistry · 2012
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésChemistryElectrospray ionizationProtonationElectrosprayChemical physicsIonDissociation (chemistry)IonizationMass spectrometryCrystallographyComputational chemistryPhysical chemistryChromatographyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Electrospray ionization (ESI) of native proteins results in a narrow distribution of low protonation states. ESI for these folded species proceeds via the charged residue mechanism. In contrast, ESI of unfolded proteins yields a wide distribution of much higher charge states. The current work develops a model that can account for this effect. Recent molecular dynamics simulations revealed that ESI for unfolded polypeptide chains involves protein ejection from nanodroplets, representing a type of ion evaporation mechanism (IEM). We point out the analogies between this IEM, and the dissociation of gaseous protein complexes after collisional activation. The latter process commences with unraveling of a single subunit, in concert with Coulombically driven proton transfer. The subunit then separates from the residual complex as a highly charged ion. We propose that similar charge equilibration events accompany the IEM of unfolded proteins, thereby causing the formation of high ESI charge states. A bead chain model is used for examining how charge is partitioned as protein and droplet separate. It is shown that protein ejection from differently sized ESI droplets generates a range of protonation states. The predicted behavior agrees well with experimental data.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,234
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations82
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalytical ChemistryMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207