如何脏:一个R包用于评估LC-MS实验中的分子污染物
David Gomez-Zepeda1,2,3, Thomas Michna3, Tanja Ziesmann3
1Helmholtz-Institute for Translational Oncology Mainz (HI-TRON), Mainz, Rheinland-Pfalz, Germany.
Proteomics
|September 7, 2023
概括
一个新的R工具HowDirty分析液态染色体质谱 (LC-MS) 数据以识别污染物. 这种工作流提高了蛋白质组学实验的可靠性,使得高纯度的消耗材料的选择,减少数据的变化.
科学领域:
- 蛋白质组学是指蛋白质组学
- 分析化学 分析化学
- 生物信息学是一种生物信息学.
背景情况:
- 消耗品和样品处理中的污染物经常会影响液态染色体质谱 (LC-MS) 数据的质量.
- 这些污染物可以显著损害蛋白质组学研究中的识别性能,可重复性和定量准确性.
- 需要有效的方法来评估和减轻污染物对LC-MS数据采集的影响.
研究的目的:
- 介绍HowDirty,一个自动化数据分析工作流程,用于量化LC-MS数据集中的分子污染物.
- 提供交互式HTML报告,方便对污染物水平及其影响进行解释.
- 为了证明HowDirty在为样本准备选择低污染耗材时的实用性.
主要方法:
- 开发了一个数据分析工作流程,将Skyline中的MS1特征提取与基于R的标记下载工具HowDirty.combining结合起来.
- 如何Dirty自动生成独立的,自我解释的HTML报告与可解释的情节.
- 该工具用于评估用于过器辅助样本制备 (FASP) 消化中的不同超过装置的污染.
主要成果:
- 如何Dirty成功生成了交互式报告,详细说明LC-MS数据集中的分子污染物水平.
- 对超过装置的评估显示,样品纯度和污染风险存在显著差异.
- 污染物含量较低的过器单位在和蛋白质识别中显示出更高的可重复性.
结论:
- 如何污染提供了一种有效的方法来评估样品质量,并确定影响LC-MS分析的常见污染物组.
- 该工具有助于为选择低污染物消耗品做出明智决策,从而提高实验可重复性.
- 实施HowDirty可以导致纠正或预防措施,最大限度地减少仪器停机时间并提高整体数据可靠性.
