MétaCan
Menu
Retour à la cohorte
Enregistrement W2734517989 · doi:10.1039/c7an00662d

Bottom-up hydrogen deuterium exchange mass spectrometry: data analysis and interpretation

2017· article· en· W2734517989 sur OpenAlexafffund
Kerene A. Brown, Derek J. Wilson

Notice bibliographique

RevueThe Analyst · 2017
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensYork UniversityToronto Public Health
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMass spectrometryHydrogen–deuterium exchangeInterpretation (philosophy)DeuteriumChemistryHydrogenAnalytical Chemistry (journal)Environmental chemistryComputer scienceNuclear physicsChromatographyPhysicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Hydrogen Deuterium Exchange (HDX) Mass Spectrometry (MS) is a sensitive analytical technique that provides information on protein conformation and dynamics in solution. It is commonly used in the study of protein-ligand and protein-protein interactions and more recently in the pharmaceutical industry for epitope mapping, screening drug candidates and in the comparison of biopharmaceuticals to biosimilars. HDX-MS monitors the exchange of protein backbone hydrogen atoms with deuterium in solution. Recent advancements in HDX automation and data analysis, have taken the emphasis off developing a fundamental understanding of HDX, which is still lacking. This tutorial review will cover the different mechanisms of exchange and how the exchange reaction is affected by various factors. We also explore the basis of data analysis and the difficulties that often arise in the interpretation of site-specific and segment-averaged HDX data, such as overlapping isotopic distributions and correct identification of peptides. Initial data analysis generates a list of peptides and the deuterium incorporation of each peptide at each labeling time point, i.e., a set of deuterium uptake profiles. Data interpretation and error analysis is subsequently required to ensure that deuterium uptake profiles accurately reflect conformational dynamics in solution. Finally, this review will also discuss the different ways in which HDX data can be represented and how the data can be interpreted.

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)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,005

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 Opus0,028
Tête enseignante GPT0,305
Écart entre enseignants0,278 · 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'étudeSans objet
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

Citations48
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe AnalystMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207