<scp>TMT</scp>‐labeled quantitative proteomic analysis to identify proteins associated with the stability of peanut milk
Notice bibliographique
Résumé
BACKGROUND: Peanut milk benefits human health mainly due to its high protein content and suitable amino acid composition. To reveal the molecular mechanism affecting the quality of peanut milk, tandem mass tag (TMT)-labeled proteomic analysis was applied to identify the proteome variation between two peanut cultivars that produced peanut milk with the best and worst stability. RESULTS: A total of 478 differentially abundant proteins (fold change >1.2 or <0.83, P < 0.05) were identified. Most of these proteins were located in the cytoplasm and chloroplasts. Correlation analysis showed that RNA recognition motif (RRM) domain-containing protein (17.1 kDa) had a negative relationship with the sedimentation rate of peanut milk and that 22.0 kDa class IV heat shock protein was negatively correlated with the creaming index (P < 0.05). Bioinformatic analysis showed that the molecular function of RRM domain-containing protein (17.1 kDa) was associated with RNA binding and nucleotide binding, and 22.0 kDa class IV heat shock protein was involved in the pathway of protein processing in the endoplasmic reticulum. CONCLUSION: Overall, the differentially abundant proteins in the biological metabolic pathway might offer some potential markers to guide future peanut breeding, especially for the production of peanut milk. © 2021 Society of Chemical Industry.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».