Accelerated SDS depletion from proteins by transmembrane electrophoresis: Impacts of Joule heating
Notice bibliographique
Résumé
SDS plays a key role in proteomics workflows, including protein extraction, solubilization and mass-based separations (e.g. SDS-PAGE, GELFrEE). However, SDS interferes with mass spectrometry and so it must be removed prior to analysis. We recently introduced an electrophoretic platform, termed transmembrane electrophoresis (TME), enabling extensive depletion of SDS from proteins in solution with exceptional protein yields. However, our prior TME runs required 1 h to complete, being limited by Joule heating which causes protein aggregation at higher operating currents. Here, we demonstrate effective strategies to maintain lower TME sample temperatures, permitting accelerated SDS depletion. Among these strategies, the use of a magnetic stir bar to continuously agitate a model protein system (BSA) allows SDS to be depleted below 100 ppm (>98% removal) within 10 min of TME operations, while maintaining exceptional protein recovery (>95%). Moreover, these modifications allow TME to operate without any user intervention, improving throughput and robustness of the approach. Through fits of our time-course SDS depletion curves to an exponential model, we calculate SDS depletion half-lives as low as 1.2 min. This promising electrophoretic platform should provide proteomics researchers with an effective purification strategy to enable MS characterization of SDS-containing proteins.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».