SysQuan: Repurposing SILAC Mice for the Cost-Effective Absolute Quantitation of the Human Proteome
Notice bibliographique
Résumé
Relative quantitation, used by most mass spectrometry-based proteomics laboratories to determine protein fold-changes, requires samples being processed and analyzed together for best comparability through minimizing batch differences. This limits the adoption of mass spectrometry-based proteomics in population-wide studies and the detection of subtle but relevant changes in heterogeneous samples. Absolute quantitation circumvents these limitations and enables comparison of results across laboratories, studies, and over time. However, high cost of the essential stable isotope labeled (SIL) standards prevents widespread access and limits the number of quantifiable proteins. Our new approach, called "SysQuan", repurposes SILAC mouse tissues/biofluids as system-wide internal standards for matched human samples to enable absolute quantitation of, theoretically, two-thirds of the human proteome using 157,086 shared tryptic peptides, of which 73,901 with lysine on the c terminus. We demonstrate that SysQuan enables quantification of 70% and 31% of the liver and plasma proteomes, respectively. We demonstrate for 14 metabolic proteins that abundant SIL mouse tissues enable cost-effective reverse absolute quantitation in, theoretically, 1000s of human samples. Moreover, 10,000s of light/heavy doublets in untargeted SysQuan datasets enable unique postacquisition absolute quantitation. SysQuan empowers researchers to replace relative quantitation with affordable absolute quantitation at scale, making data comparable across laboratories, diseases and tissues, enabling completely novel study designs and increasing reusability of data in repositories.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».