Improved Sensitivity in Low-Input Proteomics Using Micropillar Array-Based Chromatography
Notice bibliographique
Résumé
Capitalizing on the massive increase in sample concentrations which are produced by extremely low elution volumes, nanoliquid chromatography-electrospray ionization-tandem mass spectrometry (nano-LC-ESI-MS/MS) is currently one of the most sensitive analytical technologies for the comprehensive characterization of complex protein samples. However, despite tremendous technological improvements made in the production and the packing of monodisperse spherical particles for nanoflow high-pressure liquid chromatography (HPLC), current state-of-the-art systems still suffer from limits in operation at the maximum potential of the technology. With the recent introduction of the μPAC system, which provides perfectly ordered micropillar array based chromatographic support materials, completely new chromatographic concepts for optimization toward the needs of ultrasensitive proteomics become available. Here we report on a series of benchmarking experiments comparing the performance of a commercially available 50 cm micropillar array column to a widely used nanoflow HPLC column for the proteomics analysis of 10 ng of tryptic HeLa cell digest. Comparative analysis of LC-MS/MS-data corroborated that micropillar array cartridges provide outstanding chromatographic performance, excellent retention time stability, and increased sensitivity in the analysis of low-input proteomics samples and thus repeatedly yielded almost twice as many unique peptide and unique protein group identifications when compared to conventional nanoflow HPLC columns.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».