Optimizing proximity proteomics on the EvoSep-timsTOF LC-MS system
Notice bibliographique
Résumé
Proximity-dependent biotinylation (PDB) is a powerful means of exploring the cellular environments in which proteins reside. Expressing a protein of interest (bait) fused to a biotin ligase and adding biotin induces the covalent biotinylation of proximal partners, which are recovered on streptavidin beads and identified by MS. However, a major technical limitation of PDB is peptide carryover into subsequent MS runs. This is mitigated via lengthy inter-sample washing, considerably lowering throughput. This study aims to optimize PDB sample acquisition using an EvoSep LC system coupled to a timsTOF mass spectrometer, which has higher throughput and sensitivity than our current system, with less carryover. Our efforts resulted in an ~15-fold increase in throughput using the 60 samples-per-day (SPD) gradient with better sensitivity, identifying nearly double the proteins found by our previously standardized workflow. Significance scoring also revealed more sensitive detection of high-confidence proximal interactions (~1.5-fold) for five well-characterized baits, validating the new experimental workflow. Importantly, carryover was extremely limited, even without inter-sample washing, and limited to easily filterable abundant proteins. Without washing, this method can process 60 samples per day, using 1/16th of the sample amount previously required.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».