Enrichment of Phosphorylated Peptides with Metal–Organic Framework Nanosheets for Serum Profiling of Diabetes and Phosphoproteomics Analysis
Notice bibliographique
Résumé
Abstract Capturing phosphopeptides from complicated biological samples is essential for the discovery of new post-translational modification sites and disease diagnostics. Although several two-dimensional (2-D) materials have been used for phosphopeptides capturing, metal–organic framework (MOF) nanosheets have not been reported. The Ti-based MOF nanosheets have well-defined 2-D morphology, high density of active sites, large surface area, and an ultrathin structure. Phosphopeptides can be efficiently extracted and superior detection limits of 0.1 fmol μL–1 can be achieved even for an extremely low molar ratio of phosphoprotein/nonphosphoprotein (1:10000) mixtures. The selectivity over nonphosphopeptides can be enhanced further by pretreatment with a 10 mM salt solution (β-glycerophosphate disodium, NaCl, or KCl). The performance of 2-D Ti-based MOF nanosheets is much better than Zr-based MOF (Zr-BTB) nanosheets or any other Ti-based 3-D MOF counterpart, such as MIL-125 and NH2-MIL-125. The nanosheets were used for in situ isotope labeling for abnormally regulated phosphopeptides analysis from serum samples of type 2 diabetes patients. The relative quantitative results showed that three of the phosphorylated fibrinogen peptides A (FPA, DpSGEGDFLAEGGGV, DpSGEGDFLAEGGGVR, and ADpSGEGDFLAEGGGVR) were down-regulated, while the other isoform (ADpSGEGDFLAEGGGV) was up-regulated in the serum samples of type 2 diabetes patients compared with those of healthy volunteers. Finally, proteomics analysis showed selective enrichment of phosphopeptides with 2-D Ti-based MOF nanosheets from real samples, including tryptic digests of mouse brain neocortex lysate, mouse spinal cord lysate, and mouse testis lysate, followed by LC-MS/MS analysis. Total numbers of 2601, 3208, and 2866 phosphopeptides were successfully identified from the three samples, respectively. The 2-D Ti-based MOF nanosheets significantly improved sample preparation for mass spectrometric analysis in phosphopeptides and phosphoproteomics research.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».