MétaCan
Menu
Retour à la cohorte
Enregistrement W7115407286

Mass spectrometry for structural analysis and quantification of the Major Urinary Proteins of the house mouse

2015· article· en· W7115407286 sur OpenAlexaff

Notice bibliographique

RevueResearch Explorer (The University of Manchester) · 2015
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced Proteomics Techniques and Applications
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesnon disponible
Mots-clésMass spectrometryHouse miceLipocalinQuantitative analysis (chemistry)UrineUrinary systemProteomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Major Urinary Proteins (MUPs) of the house mouse, Mus musculus domesticus, are 18–19 kDa beta-barrel lipocalins that are involved in chemical communication between individuals. Many of them are excreted in urine where they play multiple roles, including coding of owner identity and transport, and slow release of bound volatile pheromones. One of them, darcin, is a pheromone in its own right and induces long-term memory for the identity and location of the scent mark owner. We have shown that mass spectrometric analysis of intact proteins, and their ion mobility behaviour, is capable of dissecting subtle structural differences between the members of this class of proteins. Moreover, mass spectrometric analysis of the intact proteins can contribute towards molecular phenotyping of MUPs. However, whilst allowing relative quantification, the ionisation propensity or gas phase properties of the individual MUPs may compromise absolute quantification. To solve the challenge of absolute quantification of MUP expression, we have designed and constructed a QconCAT built from endopeptidase LysC peptides that is capable of quantifying MUPs found in laboratory animal strains and some MUPs from wild caught individuals.

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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,073
Tête enseignante GPT0,311
Écart entre enseignants0,238 · 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Explorer (The University of Manchester)Même sujetAdvanced Proteomics Techniques and ApplicationsTravaux en français237 207