Enhanced Electrophoretic Depletion of Sodium Dodecyl Sulfate with Methanol for Membrane Proteome Analysis by Mass Spectrometry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Membrane proteins are underrepresented during proteome characterizations, primarily owing to their lower solubility. Sodium dodecyl sulfate (SDS) is favored to enhance protein solubility but interferes with downstream analysis by mass spectrometry. Here, we present an improved workflow for SDS depletion using transmembrane electrophoresis (TME) while retaining a higher recovery of membrane proteins. Though higher levels of organic solvent lower proteome solubility, we found that the inclusion of 40% methanol provided optimal solubility of membrane proteins, with 86% recovery relative to extraction with SDS. Incorporating 40% methanol during the electrophoretic depletion of SDS by TME also maximized membrane protein recovery. We further report that methanol accelerates the rate of detergent removal, allowing TME to deplete SDS below 100 ppm in under 3 min. This is attributed to a three-fold elevation in the critical micelle concentration (CMC) of SDS in the presence of methanol, combined with a reduction in the SDS to protein binding ratio in methanol (0.3 g SDS/g protein). MS analysis of membrane proteins isolated from the methanol-assisted workflow revealed enhanced proteome detection, particularly for proteins whose pI contributed a minimal net charge and therefore possessed reduced solubility in a purely aqueous solvent. This protocol presents a robust approach for the preparation of membrane proteins by maximizing their solubility in MS-compatible solvents, offering a tool to advance membrane proteome characterization.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,003 | 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 découle