Proteomic analysis of the lake trout (<i>Salvelinus namaycush</i>) heart and blood: The beginning of a comprehensive lake trout protein database
Notice bibliographique
Résumé
Lake trout (Salvelinus namaycush) are a top-predator species in the Laurentian Great Lakes that are often used as bioindicators of chemical stressors in the ecosystem. Although many studies are done using these fish to determine concentrations of stressors like legacy persistent, bioaccumulative and toxic chemicals, there are currently no proteomic studies on the biological effects these stressors have on the ecosystem. This lack of proteomic studies on Great Lakes lake trout is because there is currently no complete, comprehensive protein database for this species. Here, we employed proteomics approaches to develop a lake trout protein database that could aid in future research on this fish, in particular exposomics and adductomics. The current study utilized heart tissue and blood from two lake trout. Our previous work using lake trout liver revealed 4194 potential protein hits in the NCBI databases and 3811 potential protein hits in the UniProtKB databases. In the current study, using the NCBI databases we identified 838 proteins for the heart and 580 proteins for the blood tissues in the biological replicate 1 (BR1) and 1180 potential protein hits for the heart and 561 potential protein hits for the blood in BR2. Similar results were obtained using the UniProtKB databases. This study builds on our previous work by continuing to build the first comprehensive lake trout protein database and provides insight into protein homology through evolutionary relationships. This data is available via the PRIDE partner repository with the dataset identifier PXD023970.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».