Automated SDS Depletion for Mass Spectrometry of Intact Membrane Proteins though Transmembrane Electrophoresis
Notice bibliographique
Résumé
Membrane proteins are underrepresented in proteome analysis platforms because of their hydrophobic character, contributing to decreased solubility. Sodium dodecyl sulfate is a favored denaturant in proteomic workflows, facilitating cell lysis and protein dissolution; however, SDS impedes MS detection and therefore must be removed prior to analysis. Although strategies exist for SDS removal, they provide low recovery, purity, or reproducibility. Here we present a simple automated device, termed transmembrane electrophoresis (TME), incorporating the principles of membrane filtration, but with an applied electric current to ensure near-complete (99.9%) removal of the surfactant, including protein-bound SDS. Intact proteins are recovered in solution phase in high yield (90-100%) within 1 h of operation. The strategy is applied to protein standards and proteome mixtures, including an enriched membrane fraction from E. coli, resulting in quality MS spectra free of SDS adducts. The TME platform is applicable to both bottom-up MS/MS as well as LC-ESI-MS analysis of intact proteins. SDS-depleted fractions reveal a similar number of protein identifications (285) compared wit a non-SDS control (280), being highly correlated in terms of protein spectral counts. This fully automated approach to SDS removal presents a viable tool for proteome sample processing ahead of MS analysis. Data are available via ProteomeXchange, identifier PXD003941.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».