Mass-Coded Abundance Tagging for Protein Identification and Relative Abundance Determination in Proteomic Experiments
Notice bibliographique
Résumé
Advances in mass spectrometry have led to the emergence of the distinct field of proteomics. One aim of proteomics, the identification of the protein components of complex biological mixtures, is now routinely realized, typically by peptide mass mapping following matrix-assisted laser desorption/ionization (MALDI) mass spectrometry (MS) or by peptide sequence determination from tandem mass spectra obtained by electrospray ionization followed by collision-induced dissociation (CID) ( 1 ). Both approaches rely on the identified proteins being present in DNA or protein sequence databases. This is because the behavior of ionized peptides in MS experiments is somewhat unpredictable and the resulting spectra are searched against “idealized” spectra generated from the sequence databases to find the nearest match. Nevertheless, both approaches have been highly successful, with thousands of proteins identified in a single large-scale analysis (reviewed in ref. 2 ). A method that is independent of databases would be useful in certain cases, however, especially for protein samples deriving from organisms whose genomes remain unsequenced, proteins with erroneous sequences deposited in the databases, or proteins whose splicing patterns or modification states are unknown. Another partially fulfilled goal of proteomics is to determine the quantities of each protein present in a mixture, or at least the relative abundance of proteins present in two different samples, such as a test sample and a reference control. Several approaches for determining relative abundance in proteomic experiments have involved differential incorporation of stable isotopes into one of the samples, using either labeled growth media ( 3 ) or postexperimental chemical labeling ( 4 , 5 ). At least two methods using nonisotopic reagents for purposes of proteomic quantification have recently been reported ( 6 , 7 ) These keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,008 |
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 ».