Metabolic Labeling of Model Organisms Using Heavy Nitrogen (15N)
Notice bibliographique
Résumé
Quantitative proteomics aims to identify and quantify proteins in cells or organisms that have been obtained from different biological origin (e.g., "healthy vs. diseased"), that have received different treatments, or that have different genetic backgrounds. Protein expression levels can be quantified by labeling proteins with stable isotopes, followed by mass spectrometric analysis. Stable isotopes can be introduced in vitro by reacting proteins or peptides with isotope-coded reagents (e.g., iTRAQ, reductive methylation). A preferred way, however, is the metabolic incorporation of heavy isotopes into cells or organisms by providing the label, in the form of amino acids (such as in SILAC) or salts, in the growth media. The advantage of in vivo labeling is that it does not suffer from side reactions or incomplete labeling that might occur in chemical derivatization. In addition, metabolic labeling occurs at the earliest possible moment in the sample preparation process, thereby minimizing the error in quantitation. Labeling with the heavy stable isotope of nitrogen (i.e., (15)N) provides an efficient way for accurate protein quantitation. Where the application of SILAC is mostly restricted to cell culture, (15)N labeling can be used for micro-organisms as well as a number of higher (multicellular) organisms. The most prominent examples of the latter are Caenorhabditis elegans and Drosophila (fruit fly), two important model organisms for a range of regulatory processes underlying developmental biology. Here we describe in detail the labeling with (15)N atoms, with a particular focus on fruit flies and C. elegans. We also describe methods for the identification and quantitation of (15)N-labeled proteins by mass spectrometry and bioinformatic 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 ».