利用电荷状态分布来检测气相的分子内相互作用,并增强蛋白质组学分析
Vladimir Gorshkov1, Frank Kjeldsen1
1Department of Biochemistry and Molecular Biology, University of Southern Denmark, DK-5230 Odense M, Denmark.
Analytical chemistry
|January 6, 2024
概括
在质谱学中,电荷状态分布 (CSD) 是可重现的,并增强了异构体之间的区别. 这些CSD数据改善了蛋白质学中的蛋白质和类鉴定率,显示了直接输液分析的潜力.
科学领域:
- 蛋白质组学是指蛋白质组学.
- 分析化学 分析化学
- 生物化学 生物化学
背景情况:
- 质谱分析需要分析物充电,通常通过蛋白质学中的电喷射电离实现.
- 电荷状态分布 (CSD) 的差异是已知的,但在分析上未得到充分研究.
研究的目的:
- 研究CSD在质谱学中的分析实用性.
- 评估CSD可重复性及其在增强和蛋白质识别中的应用.
主要方法:
- 从公开数据集中分析了超过25万个人类蛋白质的CSD概况.
- 评估了CSD在实验室,质量分析仪和时间上的可重复性.
- 开发并应用了用于CSD预测的深度学习模型.
- 评估中央证券交易所对MS1和MS2基础蛋白质组识别率的影响.
主要成果:
- 在各种不同的实验条件下,CSD显示出高可重现性 (平均等号相似性>0.97).
- 中央证券交易所有效地划分了性质空间,增强了序列和组成异构体之间的区别.
- 在CSD分析中,分化了形成气相内分子结构的类.
- 深度学习模型实现了准确的CSD预测 (平均等号相似度~0.98).
- 在蛋白质组学实验中,将CSD纳入蛋白质和的识别率增加了约5%.
结论:
- CSD是基于质谱的蛋白质组学中高度可复制的分析维度.
- CSD增强了异构体的区分,并有助于类分析.
- 可以利用CSD数据进行深度学习,并提高识别率,在直接输注蛋白质组学方面具有潜力.
