Amino Acid Insertion Frequencies Arising from Photoproducts Generated Using Aliphatic Diazirines
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Mapping proteins with chemical reagents and mass spectrometry can generate a measure of accessible surface area, which in turn can be used to support the modeling and refinement of protein structures. Photolytically generated carbenes are a promising class of reagent for this purpose. Substituent effects appear to influence surface mapping properties, allowing for a useful measure of design control. However, to use carbene labeling data in a quantitative manner for modeling activities, we require a better understanding of their inherent amino acid reactivity, so that incorporation data can be normalized. The current study presents an analysis of the amino acid insertion frequency of aliphatic carbenes generated by the photolysis of three different diazirines: 3,3'-azibutyl-1-ammonium, 3,3’-azibutan-1-ol, and 4,4'-azipentan-1-oate. Leveraging an improved photolysis system for single-shot labeling of sub-microliter frozen samples, we used EThCD to localize insertion products in a large population of labeled peptides. Counting statistics were drawn from data-dependent LC-MS 2 experiments and used to estimate the frequencies of insertion as a function of amino acid. We observed labeling of all 20 amino acids over a remarkably narrow range of insertion frequencies. However, the nature of the substituent could influence relative insertion frequencies, within a general preference for larger polar amino acids. We confirm a large (6-fold) increase in labeling yield when carbenes were photogenerated in the solid phase (77 K) relative to the liquid phase (293 K), and we suggest that carbene labeling should always be conducted in the frozen state to avoid information loss in surface mapping experiments.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle