Dynamic pH barrage junction focusing of amino acids, peptides, and digested monoclonal antibodies in capillary electrophoresis–mass spectrometry
Notice bibliographique
Résumé
Dynamic pH barrage junction focusing in CE enables effective signal enhancement, quantitative capture efficiencies, and straightforward optimization. The method is a technical variant of dynamic pH junction focusing. CE separation with dynamic pH barrage junction focusing is compatible with both optical and mass spectrometric detection. We developed a CE-MS/MS method using hydrophilic polyethyleneimine-coated capillaries and validated it for the qualitative analysis of amino acids, peptides, and tryptic peptides of digested monoclonal antibodies. The S/N of extracted ion electropherograms of zwitterionic analytes were enhanced by approximately two orders of magnitude with a tradeoff of a shortened separation window. Online focusing improved the MS signal intensity of a diluted antibody digest, enabling more precursor ions to be analyzed with subsequent tandem mass spectrometric identification. It also broadened the concentration range of protein digest samples for which adequate sequence coverage data can be obtained. With only 0.9 ng of digested infliximab sample loaded into the capillary, 76% and 100% sequence coverage was realized for antibody heavy and light chains, respectively, after online focusing. Full coverage was achieved with 9 ng of injected digest.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| 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 ».