Inter-Regional Proteomic Profiling of the Human Brain Using an Optimized Protein Extraction Method from Formalin-Fixed Tissue to Identify Signaling Pathways
Notice bibliographique
Résumé
Proteomics offers vast potential for studying the molecular regulation of the human brain. Formalin fixation is a common method for preserving human tissue; however, it presents challenges for proteomic analysis. In this study, we compared the efficiency of two different protein-extraction buffers on three post-mortem, formalin-fixed human brains. Equal amounts of extracted proteins were subjected to in-gel tryptic digestion and LC-MS/MS. Protein, peptide sequence, and peptide group identifications; protein abundance; and gene ontology pathways were analyzed. Protein extraction was superior using lysis buffer containing tris(hydroxymethyl)aminomethane hydrochloride, sodium dodecyl sulfate, sodium deoxycholate, and Triton X-100 (TrisHCl, SDS, SDC, Triton X-100), which was then used for inter-regional analysis. Pre-frontal, motor, temporal, and occipital cortex tissues were analyzed by label free quantification (LFQ) proteomics, Ingenuity Pathway Analysis and PANTHERdb. Inter-regional analysis revealed differential enrichment of proteins. We found similarly activated cellular signaling pathways in different brain regions, suggesting commonalities in the molecular regulation of neuroanatomically-linked brain functions. Overall, we developed an optimized, robust, and efficient method for protein extraction from formalin-fixed human brain tissue for in-depth LFQ proteomics. We also demonstrate herein that this method is suitable for rapid and routine analysis to uncover molecular signaling pathways in the human 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 | 0,001 | 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) | 0,001 | 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 ».