MétaCan
Menu
Retour à la cohorte
Enregistrement W3158826188 · doi:10.1210/jendso/bvab048.1660

Quantifying the Protein Levels of All Nuclear Hormone Receptors by Mass Spectrometry

2021· article· en· W3158826188 sur OpenAlexaff
Michael F. Saikali, Carolyn L. Cummins

Notice bibliographique

RevueJournal of the Endocrine Society · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Interference and Gene Delivery
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésIn silicoChemistryMass spectrometryPeptideQuantitative proteomicsTrypsinHEK 293 cellsMolecular biologyReceptorBiologyBiochemistryProteomicsEnzymeChromatographyGene

Résumé

récupéré en direct d'OpenAlex

Abstract Nuclear Receptors (NRs) are a family of ligand-activated transcription factors that control the expression of genes involved in a wide range of physiological processes. An atlas detailing the expression of all NRs at the mRNA level was completed in 2006 using quantitative PCR [Bookout et al. Cell 2006]. The comparative measurement of NRs at the protein level, however, has been hindered by the poor quality of commercially available antibodies, as well as the absence of a high throughput method for quantitation. To address this need, we are developing a mass spectrometry-based targeted proteomic assay to quantify the absolute amounts of NR protein in a panel of mouse tissues. NRs were overexpressed in HEK293 cells by transient transfection and protein was isolated. The cell lysates were digested with a combination of trypsin and Lys-C following the Multi-Enzyme Digestion Filter Aided Sample Preparation protocol. The peptides were desalted using an in-house made C18 tip, separated on an EASY-Spray C18 column (75 um x 50 cm, 3Å), and analyzed on a Thermo QExactive HF in Top20 data-dependent acquisition mode. Protein identifications were made using MaxQuant software, and the identifications were mined for members of the NR family. The NR peptides detected were searched against an in silico generated list of optimal NR peptides (filtered for uniqueness, length, absence of post translational modifications, and conservation between human and mouse). The matching peptides were validated by parallel reaction monitoring (PRM) and purchased as synthetic isotopes with a heavy terminal arginine or lysine. Peptide linearity, and lower limits of detection (LLOD) were estimated by spiking digests from a C57Bl/6 mouse liver lysate with increasing amounts of the labeled peptides and analyzing by PRM. Peptides that displayed non-linear behavior were excluded for quantitation. The LLOD were between 100 amol and 1.5 fmol on column. A test panel of tissues (cerebrum, hippocampus, cerebellum, liver, spleen, brown/white adipose, and kidney) showed that we could detect endogenous expression of NRs. To date, we have purchased and validated peptides for 44 of the 49 receptors. We used this assay to quantify the changes in NR protein expression in mouse livers in response to 16 hours of fasting. We found significant changes in the nuclear expression of CAR (3.1-fold increase), RXRβ (1.8-fold increase), SHP (3.9-fold decrease) and RARβ (2.0-fold decrease) in the fasted vs. fed state. Increased CAR activity with fasting was further supported by label-free quantitative proteomics on the same lysates which revealed 210 differentially expressed proteins (2-fold change, p<0.05), with 61 (29%) identified as known CAR target genes. Once complete, this assay will provide researchers with a robust quantitative tool to investigate changes in NR protein expression that will be widely applicable to endocrine research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,241

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,270
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Endocrine SocietyMême sujetRNA Interference and Gene DeliveryTravaux en français237 207