Activated Thiol Sepharose‐based proteomic approach to quantify reversible protein oxidation
Notice bibliographique
Résumé
Reactive oxygen species (ROS) can act as second messengers in various signaling pathways, and abnormal oxidation contributes to multiple diseases, including cancer. Detecting and quantifying protein oxidation is crucial for a detailed understanding of reduction‐oxidation reaction (redox) signaling. We developed an Activated Thiol Sepharose‐based proteomic (ATSP) approach to quantify reversible protein oxidation. ATSP can enrich H 2 O 2 ‐sensitive thiol peptides, which are more likely to contain reactive cysteines involved in redox signaling. We applied our approach to analyze hereditary leiomyomatosis and renal cell carcinoma (HLRCC), a type of kidney cancer that harbors fumarate hydratase (FH)‐inactivating mutations and has elevated ROS levels. Multiple proteins were oxidized in FH‐deficient cells, including many metabolic proteins such as the pyruvate kinase M2 isoform (PKM2). Treatment of HLRCC cells with dimethyl fumarate or PKM2 activators altered PKM2 oxidation levels. Finally, we found that ATSP could detect Src homology region 2 domain‐containing phosphatase‐2 and PKM2 oxidation in cells stimulated with platelet‐derived growth factor. This newly developed redox proteomics workflow can detect reversible oxidation of reactive cysteines and can be employed to analyze multiple physiologic and pathologic conditions.—Xu, Y., Andrade, J., Ueberheide, B., Neel, B. G. Activated Thiol Sepharose‐based proteomic approach to quantify reversible protein oxidation. FASEB J. 33, 12336–12347 (2019). www.fasebj.org
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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.
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 ».