MétaCan
Menu
← Retour à la cohorte
Enregistrement W2613403423 · doi:10.71781/12082

Impact du résidu voisin sur le pKa des peptides et leurs mobilités en électrophorèse capillaire

2016· dissertation· fr· W2613403423 sur OpenAlexfundno aff
Obayda Debs

Notice bibliographique

RevueOpen MIND · 2016
Typedissertation
Languefr
DomaineEngineering
ThématiqueElectrochemical sensors and biosensors
Établissements canadiensnon disponible
Organismes subventionnairesUniversité de Montréal
Mots-clésHumanitiesGeographyArt

Résumé

récupéré en direct d'OpenAlex

Tous les modèles théoriques, mathématiques et empiriques utilisés pour l’évaluation de la mobilité électrophorétique de peptides regroupent trois paramètres de base : la masse du peptide, son nombre de résidus (sa longueur) et sa charge. Or, ces modèles ont une faiblesse commune qui est le paramètre de charge (q). Lors de l’estimation de cette variable, l’usage d’approximation pour les constantes de dissociation acide (pKa) des groupes ionisables des peptides entraîne une erreur sur ce calcul. Une solution utilisée par plusieurs auteurs est de développer les modèles pour la mobilité à bas pH seulement en assumant la protonation complète de tous les groupes acides et basiques. Afin de comprendre l’effet du résidu acide aminé (a.a.) voisin sur l’ionisation des groupes carboxyles et amines terminaux (Cʹ et Nʹ) d’un peptide, les valeurs de pKa de plusieurs séries de peptides ont été déterminés par CE suite à l’optimisation d’une méthode. Les peptides étudiés étaient de type Z-X et X-Z où X est un ou plusieurs résidus voisins variable tandis que Z est un résidu invariable tel la phénylalanine, la glycine et l’alanine. L’objectif primaire de ce projet consistait à déterminer les valeurs réelles du pKa des groupes Cʹ et Nʹ de 69 peptides afin d’élucider l’effet de leur environnement immédiat, i.e., le résidu voisin. Ce travail systématique de compilation des pKa est une approche rarement utilisée. En ayant accès à ces valeurs, la source d’incertitude sur les constantes d’ionisation des peptides auquel font face beaucoup d’auteurs est éliminée. Ceci permet une analyse plus approfondie de leur comportement électrophorétique. Pour la série de dipeptides étudiés, nous avons observé que plus l’hydrophobicité du résidu X augmentait, plus les pKa Cʹ et Nʹ baissait selon le résidu Z. Les résidus X hydrophiles possèdent des chaines latérales chargées ou très polaires qui influencent de façon plus importante le processus d’ionisation que les résidus X hydrophobes. Les données analysées ont aussi permis de déterminer que plus la distance du résidu X au Cʹ ou Nʹ est grande, plus son influence sur le pKa diminue. Également, le prolongement d’un peptide de 1 à 6 résidus, tel les oligoglycines, fait augmenter le pKa-Cʹ et diminuer le pKa-Nʹ via un processus expliqué par la réduction des interactions électrostatiques entre les fonctions Cʹ et Nʹ. Ces résultats illustrent que les pKa Cʹ et Nʹ de peptides ne sont pas exacts lorsqu’ils sont basés uniquement sur l’identité de l’acide aminé terminal, comme c’est le cas pour l’approche classique de modélisation. Les valeurs de pKa de dipepides obtenus par titrages potentiométriques ont été comparés aux pKa déterminés par CE. Des écarts importants ont été obtenus ce qui a mis en lumière la nécessité de contrôler les protocoles expérimentaux de manière rigoureuse pour mieux comparer les résultats provenant de deux techniques. Par la suite, à l’aide des mobilités de peptides obtenus expérimentalement à haut et bas pH, nous avons comparé les résultats de modélisations calculés pour les pKa expérimentaux à ceux de la littéraire afin d’évaluer les avantages du modèle d’Offord. Enfin, des simulations de séparations par CE de 9 peptides obtenues avec les programme informatique PeakMaster ont été comparées avec les résultats expérimentaux. Ceci a démontré l’utilité et la supériorité des pKa expérimentaux comparativement aux pKa les plus communément utilisés avec les approches traditionnelles.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,035
Tête enseignante GPT0,289
Écart entre enseignants0,254 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetElectrochemical sensors and biosensors→Travaux en français237 207→