Protein quantification in complex matrices by mass spectrometry : new tools and applications
Bibliographic record
Abstract
La spectrométrie de masse en tandem est désormais une technique de choix pour l'analyse du protéome humain ou de micro-organismes. Typiquement, les protéines sont tout d'abord digérées en peptides protéotypiques, ceux-ci étant ensuite séparés par chromatographie liquide avant d'être analysés par MS/MS. L'identification et la quantification de ces peptides rapporteurs de protéines permet la mise en évidence d'un phénotype ou d'un mécanisme cellulaire particulier, dans un organisme complexe. Des approches par spectrométrie de masse ciblée et non ciblée coexistent et sont complémentaires dans l'analyse protéomique. Les travaux présentés ici se sont focalisés sur le développement de méthodes ciblées, et plus particulièrement en mode SRM, à travers deux applications chez des micro-organismes modèles. Ainsi, une première étude s'est portée sur la quantification absolue des protéines du virus chimère dengue – fièvre jaune candidat vaccin. Par l'utilisation d'une stratégie de quantification de type AQUA, nous avons pu développer, valider et transférer le dosage des quatre sérotypes du virus chimère candidat vaccin. Les problématiques soulevées à travers ce projet nous ont amené à proposer des étapes à contrôler lors du développement d'un dosage par la stratégie AQUA.Dans une seconde partie, nous nous sommes attachés à développer une analyse quantitative sans marquage de 445 protéines afin d'étudier l'infection d'un phytopathogène, Dickeya dadantii, sur une plante modèle. Afin d'assurer un transfert simple et rapide de cette analyse multiplexée, nous proposons un nouvel outil d'acquisition indépendant des temps de rétention. Cet outil développé en partenariat avec la R&D Sciex à Toronto est appelé « Scout-MRM »
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.002 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".