MétaCan
Menu
Retour à la cohorte
Enregistrement W4416336674 · doi:10.1021/jasms.5c00292

Hyphenation of Trapped Ion Mobility to Two-Dimensional Mass Spectrometry for Protein Analysis in Complex Biomixtures

2025· article· en· W4416336674 sur OpenAlexaff
Callan Littlejohn, Meng Li, Christopher A. Wootton, Mark P. Barrow, Peter B. O’Connor

Notice bibliographique

RevueJournal of the American Society for Mass Spectrometry · 2025
Typearticle
Langueen
DomaineChemistry
ThématiqueMass Spectrometry Techniques and Applications
Établissements canadiensIONICS Mass Spectrometry (Canada)
Organismes subventionnairesH2020 EnvironmentBiotechnology and Biological Sciences Research CouncilEngineering and Physical Sciences Research CouncilHorizon 2020 Framework ProgrammeUniversity of Warwick
Mots-clésMass spectrometryTandem mass spectrometryTandemFragmentation (computing)Ion-mobility spectrometryAnalytical Chemistry (journal)Characterization (materials science)IonResolution (logic)

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide The analysis of complex biological mixtures remains a significant challenge in mass spectrometry (MS), particularly when using conventional direct infusion MS/MS approaches due to inherent limitations in resolving power and spectral complexity. Here, we demonstrate the integration of trapped ion mobility spectrometry (TIMS) with two-dimensional mass spectrometry (2DMS) to enable high-resolution TIMS-MS/2DMS experiments for detailed protein characterization within mixtures. TIMS provides separation based on the ion’s size-to-charge ratio, effectively reducing the occurrence of chimeric tandem mass spectra containing fragments from more than one precursor ion. This coupling allows for an improved peak capacity and reduced ambiguity in tandem spectral interpretation. When applied to a model protein mixture, the TIMS-MS/2DMS method allows resolution of near m / z species, including isomeric and isonucleonic species, and it was possible to assign secondary fragmentation with greater confidence.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,014
Tête enseignante GPT0,305
Écart entre enseignants0,291 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Society for Mass SpectrometryMême sujetMass Spectrometry Techniques and ApplicationsTravaux en français237 207