Predicting Electrophoretic Mobility of Tryptic Peptides for High-Throughput CZE-MS Analysis
Notice bibliographique
Résumé
A multiparametric sequence-specific model for predicting peptide electrophoretic mobility has been developed using large-scale bottom-up proteomic CE-MS data (5% (∼0.8M) acetic acid as background electrolyte). Peptide charge ( Z ) and size (molecular mass, M ) are the two major factors determining electrophoretic mobility, in complete agreement with previous studies. The extended size of the data set (>4000 peptides) permits access to many sequence-specific factors that impact peptide mobility. The presence of acidic residues Asp and Glu near the peptide N-terminus is by far the most prominent among them. The induction effect of the side chain of N-terminal Asp reduces the basicity of the N-terminal amino group and, as hence, its charge, by ∼0.27 units, lowering mobility. The correlation of the model ( R 2 ∼ 0.995) indicates that the peptide separation process in CZE is relatively simple and can be predicted to a much higher precision than current RP-HPLC models. Similar to RP-HPLC prediction studies, we anticipate future developments that introduce peptide migration standards, collect larger data sets for modeling through the alignment of multiple CZE-MS acquisitions, and study of the behavior of peptides carrying post-translational modifications. The increased size of data sets will also permit investigation of the fine-scale effects of peptide secondary structure on peptide mobility. We observed that peptides with higher helical propensity tend to have higher than predicted electrophoretic mobility; the incorporation of these features into CZE migration models will require significantly larger data sets.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».