Complementing the pulp proteome via sampling with a picosecond infrared laser (PIRL)
Notice bibliographique
Résumé
OBJECTIVES: The aim of this investigation was the detailed analysis of the human pulp proteome using the new picosecond infrared laser (PIRL)-based sampling technique, which is based on a completely different mechanism compared to mechanical sampling. Proteome analysis of healthy pulp can provide data to define changes in the proteome associated with dental disease. MATERIAL AND METHODS: Immediately after extraction of the entire, undamaged tooth, 15 wisdom teeth were deep frozen in liquid nitrogen and preserved at -80°C. Teeth were crushed, and the excised frozen pulps were conditioned for further analysis. The pulps were sampled using PIRL, and the aspirates digested with trypsin and analyzed with mass spectrometry. Pulp proteins were categorized according to their gene ontology terminus. Proteins identified exclusively in this study were searched in the Human Protein Atlas (HPA) for gaining information about the main known localization and function. RESULTS: A total of 1348 proteins were identified in this study. The comparison with prior studies showed a match of 72%. Twenty-eight percent of the proteins were identified exclusively in this study. Considering HPA, almost half of these proteins were assigned to tissues that could be pulp specific. CONCLUSION: PIRL is releasing proteins from the dental pulp which are not dissolved by conventional sampling techniques. Clinical Relevance The presented data extend current knowledge on dental pulp proteomics in healthy teeth and can serve as a reference for studies on pulp proteomics in dental disease.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».