An online 2D-reversed-phase – Reversed-phase chromatographic method for sensitive and robust plasma protein quantitation
Notice bibliographique
Résumé
Offline high-pH reversed-phase fractionation is widely used to reduce sample complexity in proteomic workflows. This is due to the semi-orthogonality and high peak resolution of the two separations. Offline 2D fractionation, however, is low throughput and requires several manual manipulations and is prone to sample losses. To address these issues, we developed an online two dimensional high-pH - low-pH reversed-phase-reversed-phase (2D RPRP) LC-MRM method whereby hundreds of peptides can be quantified in a single LC-MS/MS injection. The method allowed the reproducible and sensitive quantitation of a test panel of 367 peptides (168 proteins) from undepleted and non-enriched human plasma. Of these, we were able to detect and quantify 95 peptides (29 proteins) by 2D-RPRP that were not detectable by 1D LC-MRM-MS. Online 2D RPRP resulted in an average increase of roughly 10-fold in sensitivity compared to traditional 1D low-pH separations, while improving reproducibility and sample throughput relative to offline 2D RPRP by factors of 1.7 and 5, respectively, compared to offline 2D RPRP. This paper serves as proof-of-concept of the feasibility and efficacy of online 2D RPRP at analytical flow rates for highly multiplexed targeted proteomic analyses.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».