MétaCan
Menu
Retour à la cohorte
Enregistrement W813270164 · doi:10.1139/o08-007

Recent developments in mass spectrometry-based quantitative phosphoproteomicsThis paper is one of a selection of papers published in this Special Issue, entitled CSBMCB — Systems and Chemical Biology, and has undergone the Journal's usual peer review process.

2008· review· en· W813270164 sur OpenAlexaffvenue
Jeffrey C. Smith, Daniel Figeys

Notice bibliographique

RevueBiochemistry and Cell Biology · 2008
Typereview
Langueen
DomaineChemistry
ThématiqueAdvanced Proteomics Techniques and Applications
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPhosphoproteomicsPhosphopeptidePhosphorylationPosttranslational modificationProteomicsProtein phosphorylationComputational biologyMass spectrometryBiologyChemistryCell biologyBiochemistryChromatographyProtein kinase A

Résumé

récupéré en direct d'OpenAlex

Protein phosphorylation is a reversible post-translational modification that is involved in virtually all eukaryotic cellular processes and has been studied in great detail in recent years. Many developments in mass spectrometry (MS)-based proteomics have been successfully applied to study protein phosphorylation in highly complicated samples. Furthermore, the emergence of a variety of enrichment strategies has allowed some of the challenges associated with low phosphorylation stoichiometry and phosphopeptide copy number to be overcome. The dynamic nature of protein phosphorylation complicates its analysis; however, a number of methods have been developed to successfully quantitate phosphorylation changes in a variety of cellular systems. The following review details some of the most recent breakthroughs in the study of protein phosphorylation, or phosphoproteomics, using MS-based approaches. The majority of the focus is placed on detailing strategies that are currently used to conduct MS-based quantitative phosphoproteomics.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,005

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 Opus0,031
Tête enseignante GPT0,315
Écart entre enseignants0,284 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations37
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiochemistry and Cell BiologyMême sujetAdvanced Proteomics Techniques and ApplicationsTravaux en français237 207