MétaCan
Menu
Retour à la cohorte
Enregistrement W2790526141 · doi:10.1080/20013078.2018.1438727

Proteome profiling of extracellular vesicles captured with the affinity peptide Vn96: comparison of Laemmli and TRIzol© protein‐extraction methods

2018· article· en· W2790526141 sur OpenAlexafffund
Andrew P. Joy, D. Craig Ayre, Ian C. Chute, Annie‐Pier Beauregard, Gabriel Wajnberg, Anirban Ghosh, Stephen M. Lewis, Rodney J. Ouellette, David A. Barnett

Notice bibliographique

RevueJournal of Extracellular Vesicles · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensDalhousie UniversityUniversity of New BrunswickUniversité de MonctonAtlantic Cancer Research Institute
Organismes subventionnairesAtlantic Canada Opportunities AgencyMultiple Sclerosis Society
Mots-clésTrizolChromatographyProteomicsChemistryLysis bufferProteomeProtein purificationFractionationSample preparationLysisRNA extractionRNABiochemistryGene

Résumé

récupéré en direct d'OpenAlex

Sample amount is often a limiting factor for multi-parametric analyses that encompass at least three areas of '-omics' research: genomics, transcriptomics and proteomics. Limited sample amounts are also an important consideration when these multi-parametric analyses are performed on extracellular vesicles (EVs), as the amount of EVs (and EV cargo) that can be isolated is often very low. It is well understood that a monophasic solution of phenol and guanidine isothiocyanate (i.e. TRIzol©) can simultaneously isolate DNA, RNA and proteins from biological samples; however, it is most commonly used for the extraction of RNA. Validation of this reagent for the isolation of multiple classes of biological molecules from EVs would provide a widely applicable method for performing multi-parametric analyses of EV material. In this report, we describe a comparison of proteins identified from EVs processed with either TRIzol© or the conventional Laemmli buffer protein-extraction reagents. EVs were isolated from 3 mL of cell-culture supernatant derived from MCF-10A, MCF-7 and MDA-MB-231 cells using the Vn96 EV capture technology. For the TRIzol© extraction protocol, proteins were precipitated with acetone from the organic phase and then re-solubilized in a mixture of 8M urea, 0.2% SDS and 1 M Tris-HCl pH 6.8, followed by dilution in 5× loading buffer prior to fractionation with 1D SDS-PAGE. NanoLC-MS/MS of the trypsin-digested proteins was used to generate proteomic profiles from EV protein samples extracted with each method. Of the identified proteins, 57.7%, 69.2% and 57.0% were common to both extraction methods for EVs from MCF-10A, MCF-7 and MDA-MB-231, respectively. Our results suggest that TRIzol© extraction of proteins from EVs has significant equivalence to the traditional Laemmli method. The advantage of using TRIzol

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)0,001
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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,324
Écart entre enseignants0,300 · 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

Citations31
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Extracellular VesiclesMême sujetExtracellular vesicles in diseaseTravaux en français237 207