Quantitative Proteomic Profiling of Murine Ocular Tissue and the Extracellular Environment
Notice bibliographique
Résumé
Mass spectrometry-based proteomics provides a robust and reliable method for detecting and quantifying changes in protein abundance among samples, including cells, tissues, organs, and supernatants. Physical damage or inflammation can compromise the ocular surface permitting colonization by bacterial pathogens, commonly Pseudomonas aeruginosa, and the formation of biofilms. The interplay between P. aeruginosa and the immune system at the site of infection defines the host's ability to defend against bacterial invasion and promote clearance of infection. Profiling of the ocular tissue following infection describes the nature of the host innate immune response and specifically the presence and abundance of neutrophil-associated proteins to neutralize the bacterial biofilm. Moreover, detection of unique proteins produced by P. aeruginosa enable identification of the bacterial species and may serve as a diagnostic approach in a clinical setting. Given the emergence and prevalence of antimicrobial resistant bacterial strains, the ability to rapidly diagnose a bacterial infection promoting quick and accurate treatment will reduce selective pressure towards resistance. Furthermore, the ability to define differences in the host immune response towards bacterial invasion enhances our understanding of innate immune system regulation at the ocular surface. Here, we describe murine ocular infection and sample collection, as well as outline protocols for protein extraction and mass spectrometry profiling from corneal tissue and extracellular environment (eye wash) samples. © 2020 Wiley Periodicals LLC. Basic Protocol 1: Murine model of ocular infection Basic Protocol 2: Murine model sample collection Basic Protocol 3: Protein extraction from eye wash Basic Protocol 4: Protein extraction from corneal tissue Basic Protocol 5: Mass spectrometry-based proteomics and bioinformatics from eye wash and corneal tissue samples.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».