MétaCan
Menu
Retour à la cohorte
Enregistrement W2625844270 · doi:10.5702/massspectrometry.a0058

Development of a Branched Radio-Frequency Ion Trap for Electron Based Dissociation and Related Applications

2017· article· en· W2625844270 sur OpenAlexaff
Takashi Baba, J. Larry Campbell, J. C. Yves Le Blanc, Paul R.S. Baker, James W. Hager, Bruce A. Thomson

Notice bibliographique

RevueMass Spectrometry · 2017
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensSciex (Canada)
Organismes subventionnairesnon disponible
Mots-clésDissociation (chemistry)Ion trapLipidomicsElectron-transfer dissociationMass spectrometryIonChemistryProteomicsCollision-induced dissociationProtonationMetabolomicsElectron-capture dissociationMoleculeElectron ionizationTandem mass spectrometryChromatographyBiochemistryIonizationPhysical chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Collision-induced dissociation (CID) is the most common tool for molecular analysis in mass spectrometry to date. However, there are difficulties associated with many applications because CID does not provide sufficient information to permit details of the molecular structures to be elucidated, including post-translational-modifications in proteomics, as well as isomer differentiation in metabolomics and lipidomics. To face these challenges, we are developing fast electron-based dissociation devices using a novel radio-frequency ion trap (i.e., a branched ion trap). These devices have the ability to perform electron capture dissociation (ECD) on multiply protonated peptide/proteins; in addition, the electron impact excitation of ions from organics (EIEIO) can be also performed on singly charged molecules using such a device. In this article, we review the development of this technology, in particular on how reaction speed for EIEIO analyses on singly charged ions can be improved. We also overview some unique, recently reported applications in both lipidomics and glycoproteomics.

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)0,000
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,270
Écart entre enseignants0,258 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMass SpectrometryMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207