Evaluation of a ‘plug and play’ nanoflow liquid chromatography system for MS-based proteomic characterization of clinical FFPE specimens
Notice bibliographique
Résumé
INTRODUCTION: Proteomic analysis of formalin-fixed paraffin-embedded (FFPE) tumor tissue specimens has gained interest in the last 5 years due to technological advances and improved sample collection, as well as biobanking for clinical trials. The real-world implementation of clinical proteomics to these specimens, however, is hampered by tedious sample preparation steps and long instrument acquisition times. AREAS COVERED: To advance the translation of quantitative proteomics into the clinic, we are comparing the performance of the leading commercial nanoflow liquid chromatography (nLC) system (based on literature reviews), the Easy-nLC 1200 (Thermo Fisher Scientific, Waltham, MA, U.S.A.), to the Evosep One HPLC (Evosep Biosystems, Odense, Denmark). We measured FFPE-tissue digests from 21 biological replicates with a similar gradient on both of the LC systems while keeping the on-column amount (1 µg total protein) and the single-shot data-dependent acquisition-based MS/MS method constant. EXPERT OPINION: Overall, the Evosep One facilitates robust and sensitive high-throughput sample acquisition, making it suitable for clinical MS. We found the Evosep One to be a useful platform for positioning mass spectrometry-based proteomics in the clinical setting. The clinical application of nLC/MS will inform clinical decision-making in oncology and other diseases.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».