Surveying the Vampire Bat ( <i>Desmodus rotundus</i> ) Serum Proteome: A Resource for Identifying Immunological Proteins and Detecting Pathogens
Notice bibliographique
Résumé
Bats are increasingly studied as model systems for longevity and as natural hosts for some virulent viruses. Yet the ability to characterize immune mechanisms of viral tolerance and to quantify infection dynamics in wild bats is often limited by small sample volumes and few species-specific reagents. Here, we demonstrate how proteomics can overcome these limitations by using data-independent acquisition-based shotgun proteomics to survey the serum proteome of 17 vampire bats (Desmodus rotundus) from Belize. Using just 2 μL of sample and relatively short separations of undepleted serum digests, we identified 361 proteins across 5 orders of magnitude. Levels of immunological proteins in vampire bat serum were then compared to human plasma via published databases. Of particular interest were antiviral and antibacterial components, circulating 20S proteasome complex and proteins involved in redox activity. Lastly, we used known virus proteomes to putatively identify Rh186 from Macacine herpesvirus 3 and ORF1a from Middle East respiratory syndrome-related coronavirus, indicating that mass spectrometry-based techniques show promise for pathogen detection. Overall, these results can be used to design targeted mass-spectrometry assays to quantify immunological markers and detect pathogens. More broadly, our findings also highlight the application of proteomics in advancing wildlife immunology and pathogen surveillance.
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 | 0,019 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».