Protease Specificity Profiling by Tandem Mass Spectrometry Using Proteome-Derived Peptide Libraries
Notice bibliographique
Résumé
Protease specificity profiling using proteome-derived, database-searchable peptide libraries is a novel approach to define the active site specificity of proteolytic enzymes we call PICS (Proteomic Identification of protease Cleavage Sites). Proteome-derived peptide libraries are generated by trypsin, GluC, or chymotrypsin digestion of biologically relevant proteomes, such as cytosolic lysates, to generate three separate libraries that each differ from the others in their C-terminal amino acid residues according to the protease specificity. Primary amines of all peptides are then chemically protected so that after incubation with a test protease, the neo-N-termini of the prime-side cleavage products with exposed α-amines can be specifically biotinylated, enriched, and identified by liquid chromatography-tandem mass spectrometry. The corresponding nonprime-side sequences are derived bioinformatically. Suited for all protease classes except carboxyproteases and those aminoproteases and dipeptidases requiring a free α-amine for cleavage, PICS simultaneously profiles the specificity of prime and nonprime positions and directly determines scissile peptide bonds of up to hundreds of cleavage site sequences in a single experiment. This wealth of sequence specificity information also allows for the investigation of subsite cooperativity. Herein we describe a simplified procedure to produce PICS peptide libraries, the methods to perform a PICS assay, and a new method of data analysis.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».