MétaCan
Menu
Retour à la cohorte
Enregistrement W66639700 · doi:10.1007/978-1-61779-204-5_8

Analyses of PCSK9 Post-translational Modifications Using Time-of-Flight Mass Spectrometry

2011· article· en· W66639700 sur OpenAlexafffund
Thilina Dewpura, Janice Mayne

Notice bibliographique

RevueMethods in molecular biology · 2011
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced Proteomics Techniques and Applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésChemistryDeamidationGlycosylationMass spectrometryBiochemistryTime-of-flight mass spectrometryProteomicsGel electrophoresisProtein mass spectrometryTandem mass spectrometryPeptideImmunoprecipitationProprotein convertaseChromatographyEnzymeLDL receptor

Résumé

récupéré en direct d'OpenAlex

Post-translational modification(s) can affect a protein's function - changing its half-life/stability, its protein-protein interactions, biological activity and/or sub-cellular localization. Following translation, a protein can be modified in several ways, including (i) disulfide bridge formation, (ii) chemical conversion of its constituent amino acids (for instance, glutamine can undergo deamidation to glutamic acid), (iii) sulfation, phosphorylation, de/acetylation, and glycosylation (to name a few), (iv) addition of other proteins as occurs during sumoylation and ubiquitination, and (v) proteolytic cleavage(s). There are several techniques available to identify and monitor post-translational modifications of proteins and peptides including mass spectrometry, two-dimensional sodium dodecyl sulfate polyacrylamide electrophoresis (2D-SDS-PAGE), radiolabeling, and immunoblotting. Ciphergen's surface-enhanced laser desorption/ionization time-of-flight mass spectrometer (SELDI-TOF-MS) has been used successfully for protein/peptide profiling in disease states and for the detection of protein/peptide biomarkers (1-4). In this chapter, the secreted proprotein convertase subtilisin/kexin 9 (PCSK9), which we study in our lab, is used to demonstrate coupling of immunoprecipitation with Ciphergen's time-of-flight mass spectrometer and its ProteinChip software to detect and analyze the common post-translational modifications of phosphorylation and glycosylation. The following topics are covered (1): preparation of cell extracts/samples/spent media (2), processing of samples by immunoprecipitation including optimization of conditions and (3) data acquisition by mass spectrometry and its subsequent analyses.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,086
Tête enseignante GPT0,445
Écart entre enseignants0,359 · 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
GenreMéthodes

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

En bref

Citations9
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMethods in molecular biologyMême sujetAdvanced Proteomics Techniques and ApplicationsTravaux en français237 207