La lisis escalable asistida por ácido de muestras de piel mejora la cobertura proteica

Área de la Ciencia:

• Proteomía
• Dermatología
• La bioquímica

Sus antecedentes:

• La espectrometría de masas por cromatografía líquida (LC-MS) es crucial para el análisis proteómico de tejidos.
• El análisis de la piel humana de espesor completo es un desafío debido a la extensa reticulación de la matriz extracelular (ECM) y las proteínas ECM de alta abundancia.
• Estas limitaciones en la proteómica de la piel dificultan el análisis y el descubrimiento integral.

Objetivo del estudio:

• Adaptar y validar el método SPEED basado en ácido trifluoroacético (TFA) para el análisis proteómico mejorado de la piel.
• Mejorar la eficiencia de la extracción de proteínas y aumentar la cobertura del proteoma en muestras de piel humana.
• Para permitir el análisis sensible de las biopsias cutáneas mínimamente invasivas.

Principales métodos:

• Adaptado el método SPEED basado en ácido trifluoroacético (TFA) para muestras de piel humana.
• Utilizado TFA para eliminar las proteínas ECM enlazadas abundantes sin interrumpir la mayoría de los enlaces cruzados.
• Aplicó el método tanto a las biopsias de piel de espesor completo como a las muestras de cinta.

Principales resultados:

• Se logró la identificación de más de 6.200 grupos de proteínas en la piel humana sana.
• Habilitado el análisis de biopsias de punción de 2 mm mínimamente invasivas, aumentando el potencial de inscripción de pacientes.
• Identificó hasta 2.300 proteínas en la piel sana usando proteomía de cinta, ofreciendo una alternativa rentable.

Conclusiones:

• El método adaptado SPEED mejora significativamente la cobertura proteómica y la identificación de proteínas en la piel humana.
• Este enfoque facilita el análisis sensible a partir de biopsias pequeñas y mínimamente invasivas, avanzando en la investigación de la proteómica de la piel.
• El método proporciona una solución escalable y rentable para la proteómica de la piel y la cinta, apoyando aplicaciones futuras como el aprendizaje automático.