MétaCan
Menu
Retour à la cohorte
Enregistrement W4283745052 · doi:10.3791/63977

Nonspecific Proteolysis-Based Glycomics Strategy for Bacterial Glycoproteins

2022· article· en· W4283745052 sur OpenAlexaff
Rui Chen, Jacek Stupak, Jianjun Li

Notice bibliographique

RevueJournal of Visualized Experiments · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGlycosylation and Glycoproteins Research
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésGlycanCampylobacter jejuniGlycomicsGlycoproteinGlycosylationBiochemistryExoglycosidasePNGase FN-linked glycosylationEndoglycosidaseChemistryBiologyBacteria

Résumé

récupéré en direct d'OpenAlex

Protein glycosylation is one of the most common and complex post-translational modifications. Many techniques have been developed to characterize the specific roles of glycans, the relationship between their structures and their impact on the functions of proteins. A common method for glycan analysis is to employ exoglycosidase cleavage to release N-linked glycans from glycoproteins or glycopeptides using Peptide-N-Glycosidase F (PNGase F). However, the glycan-protein linkages in bacteria are different and there is no enzyme available to release glycans from bacterial glycoproteins. In addition, free glycans have also been described in mammalian cells, bacteria, yeast, plants, and fish. In this article, we present a method that can characterize the N-linked glycosylation system in Campylobacter jejuni by detecting asparagine (Asn)-linked and free glycans that are not attached to their target proteins. In this method, total proteins from C. jejuni were digested by Pronase E with a higher enzyme to protein ratio (2:1-3:1) and a longer incubation time (48-72 h). The resulted Asn-glycans and free glycans were then purified using porous graphitic carbon cartridges, permethylated, and analyzed by mass spectrometry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,048
Tête enseignante GPT0,428
Écart entre enseignants0,380 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetGlycosylation and Glycoproteins ResearchTravaux en français237 207