Profiling of Glycosphingolipids with SCDase Digestion and HPLC-FLD-MS
Notice bibliographique
Résumé
Lipid components of cells and tissues feature a large diversity of structures that present a challenging problem for molecular analysis. Glycolipids from mammalian cells contain glycosphingolipids (GSLs) as their major glycolipid component, and these structures vary in the identity of the glycan headgroup as well as the structure of the fatty acid and sphingosine (Sph) tails. Analysis of intact GSLs is challenging due to the low abundance of these species. Here, we develop a new strategy for the analysis of lyso-GSL (l-GSL), GSL that retain linkage of the glycan headgroup with the Sph base. The analysis begins with digestion of a GSL sample with sphingolipid ceramide N-deacylase (SCDase), followed by labelling with an amine-reactive fluorophore. The sample was then analyzed by HPLC-FLD-MS and quantitated by addition of an external standard. This method was compared analysis of GSL glycans after cleavage by an Endoglycoceramidase (EGCase) enzyme and labeling with a fluorophore (2-anthranilic acid, 2AA). The two methods are complementary, with EGCase providing improved signal (due to fewer species) and SCDase providing analysis of lyso-GSL. Importantly the SCDase method provides Sph composition of GSL species. We demonstrate the method on cultured human cells (Jurkat T cells) and tissue homogenate (porcine brain).
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».