功能化纳米粒子上的蛋白质冠状体使量化和精确的大规模深层等离子体蛋白质学成为可能.
Ting Huang1, Jian Wang1, Alexey Stukalov1
1Seer, Inc., Redwood City, CA, 94065 USA.
bioRxiv : the preprint server for biology
|September 11, 2023
概括
自动化纳米粒子 (NP) 工作流程使深层等离子体蛋白质学成为可能,识别了超过6000种蛋白质. 这种高通量方法增强了生物标志物发现和用于诊断的定量分析.
科学领域:
- 蛋白质组学是指蛋白质组学.
- 生物标志物发现发现
- 质谱测量质量谱测量
背景情况:
- 由于广泛的动态范围和多样化的蛋白质形式,等离子体蛋白质组的表征具有挑战性.
- 自动化纳米粒子 (NP) 蛋白质冠状病毒工作流程为质谱学 (MS) 压缩动态范围.
- 这提高了基于MS的定量诊断方法的深度,可扩展性和全面性.
研究的目的:
- 为了评估基于NP的自动化深层血蛋白质组学工作流程的性能.
- 使用ProteographTM产品套件评估折叠变换的准确性,线性,精度和统计能力.
- 在多个MS仪器中将NP工作流与传统的整洁等离子体方法进行比较.
主要方法:
- 利用多个物种的尖端实验和一个人类队列.
- 采用了ProteographTM产品套件,用于基于NP蛋白冠状的自动化样品制备.
- 使用多种质谱仪器进行深层等离子体蛋白质组学,包括Orbitrap Astral.
主要成果:
- 使用Orbitrap Astral,NP的工作流程准确识别了超过6000种血蛋白 (1%的FDR).
- 与整洁的等离子体工作流相比,量化了更多的蛋白质,具有精确的折叠变化,高线性和精度.
- 在小型和大型队列中展示了生物标志物发现的高统计能力.
结论:
- 自动化NP工作流程促进高通量,深度和定量等离子体蛋白质组学.
- 该方法提供了足够的统计能力,可以发现新的生物标志物签名.
- 水平的分辨率是在综合性血蛋白质组研究中实现的.
更多相关视频
10:37Deep Proteome Profiling by Isobaric Labeling, Extensive Liquid Chromatography, Mass Spectrometry, and Software-assisted Quantification
Published on: November 15, 2017
12.0K
10:05Hydrogel Nanoparticle Harvesting of Plasma or Urine for Detecting Low Abundance Proteins
Published on: August 7, 2014
13.9K
