Liquid chromatography–tandem mass spectrometry glycoproteomic study of porcine IgG and detection of subtypes
Notice bibliographique
Résumé
RATIONALE: While high-throughput proteomic methods have been widely applied to monoclonal antibodies and human immunoglobulin gamma (IgG) samples, less information is available on porcine IgG. As pigs are considered one of the most suitable species for xenotransplantation, it is important to characterize IgG amino acid sequences and glycosylation profiles, which is the focus of this study. METHODS: Three different purified porcine IgG samples, including wild-type and knockout species, were digested with trypsin and enriched for glycopeptides. Digestion mixtures were spiked with a mixture of six standard peptides. Analysis was performed using electrospray ionization liquid chromatography-tandem mass spectrometry (MS/MS) in standard MS/MS data-dependent acquisition mode on a hybrid triple quadrupole time-of-flight mass spectrometer. RESULTS: To facilitate the classification of subtypes detected experimentally, UniprotKB database entries were organized using comparative alignment scores. Sequences were grouped based on 11 different subtypes as translated from GenBank entries. Proteomic searches were accomplished automatically using specialized software, whereas glycoprotein searches were performed manually by monitoring the extracted chromatograms of diagnostic MS/MS glycan fragments and studying their corresponding mass spectra; 40-50 non-glycosylated peptides and 4-5 glycosylated peptides were detected in each sample, with several glycoforms per sequence. CONCLUSIONS: Proteomic analysis of porcine IgG is complicated by factors such as the presence of several subtypes, redundant heavy chain (HC) sequences in protein databases, and the lack of consistent cross-referencing between databases. Aligning and comparing HC sequences were necessary to eliminate redundancy. This study highlights the complexity of pig IgG and shows the importance of MS in proteomics and glycoproteomics.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 | 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 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 ».