MétaCan
Menu
Retour à la cohorte
Enregistrement W2943400541 · doi:10.1002/rcm.8459

Online porous graphic carbon chromatography coupled with tandem mass spectrometry for post‐translational modification analysis

2019· article· en· W2943400541 sur OpenAlexaff
Rui Chen, Jacek Stupak, Sam Williamson, Susan M. Twine, Jianjun Li

Notice bibliographique

RevueRapid Communications in Mass Spectrometry · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGlycosylation and Glycoproteins Research
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésChemistryChromatographyTandem mass spectrometryMass spectrometryPhosphopeptidePeptideBiochemistry

Résumé

récupéré en direct d'OpenAlex

RATIONALE: Porous graphic carbon chromatography (PGC) has a different mechanism in the retention of tryptic peptides compared with reversed-phase chromatography and in this study we show that coupling PGC with tandem mass spectrometry offer advantages for the quantitation of phosphorylation stoichiometry and characterization of site-specific glycosylation. METHODS: Digests of protein standards (horse myoglobin, bovine fetuin and β-casein) were analyzed with a capillary liquid chromatography/tandem mass spectrometry (LC/MS/MS) system by coupling an Agilent 1100 HPLC system to a Synapt G2-Si HDMS (Waters). Peptides were separated using a HyperCarb PGC column (300 μm i.d. × 100 mm) packed with 3 μm particles. MS/MS data were collected in data-dependent mode and three MS/MS scans were acquired after the full MS scan. RAW data were transformed to .mgf by PLGS (Waters) and searched against the Swissprot database by Mascot. Chromatograms and MS/MS spectra of identified compounds were extracted with Masslynx (Waters) and imported to Origin for analysis. Glycan composition and peptide sequence were manually annotated. RESULTS: PGC/MS/MS enabled accurate quantitation of the stoichiometry of specific phosphorylation sites from β-casein by efficient separation of the phosphopeptide and its non-phosphorylated counterpart, which cannot be achieved by reversed-phase chromatography. PGC/MS/MS also enabled comprehensive characterization of protein sialoglycosylation as isomeric glycopeptides with different combinations of α2-3- and α2-6-linked sialic acids can be separated and the ratios of each combination were verified by exoglycosidase digestion. CONCLUSIONS: PGC has demonstrated superior separation of peptides with phosphorylation and glycosylation and can be used as an alternative in the proteomic characterization of post-translational modifications (PTMs) by polar groups.

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: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,017
Tête enseignante GPT0,292
Écart entre enseignants0,275 · 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

Citations13
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRapid Communications in Mass SpectrometryMême sujetGlycosylation and Glycoproteins ResearchTravaux en français237 207