MétaCan
Menu
Retour à la cohorte
Enregistrement W4405372891 · doi:10.1039/d4an00967c

Reproducible protein quantitation of 270 human proteins at increased depth using nanoparticle-based fractionation and multiple reaction monitoring mass spectrometry with stable isotope-labelled internal standards

2024· article· en· W4405372891 sur OpenAlexafffund
Claudia Gaither, Robert Popp, Aaron S. Gajadhar, Christoph H. Borchers

Notice bibliographique

RevueThe Analyst · 2024
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensMcGill UniversityJewish General HospitalUniversité de Montréal
Organismes subventionnairesNational Cancer InstituteWarren Y. Soper Charitable TrustFondation De Famille Alvin SegalJewish General HospitalTerry Fox Research InstituteGenome British ColumbiaGenome CanadaMcGill University
Mots-clésFractionationChemistryChromatographyMass spectrometryDigestion (alchemy)TrypsinNanoparticleQuantitative proteomicsProteomicsBiochemistryEnzymeNanotechnologyMaterials science

Résumé

récupéré en direct d'OpenAlex

13.1% CV). As expected, the protein concentrations in nanoparticle coronas were higher and had more compressed dynamic range in comparison to the concentrations determined either by a 3-hour Trypsin/LysC or overnight tryptic digestion methods. As the nanoparticle-based fractionation technology gains popularity, additional steps such as establishing technique-specific protein reference ranges across plasma samples and comparisons to well-established protein quantitation methods like enzyme-linked immunosorbent assay (ELISA) and LC/MRM-MS may be explored to enable absolute quantification of plasma proteins based on nanoparticle-based fractionation data.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,467

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,025
Tête enseignante GPT0,303
Écart entre enseignants0,278 · 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 tête enseignante, 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
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe AnalystMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207