微柱阵列,广窗采集和基于人工智能的数据分析提高了多种蛋白质组应用中的全面性

科学领域:

• 蛋白质组学是指蛋白质组学.
• 质谱测量质量谱测量
• 生物信息学是一种生物信息学.

背景情况:

• 蛋白质组学研究对于理解分子通路和蛋白质功能至关重要.
• 目前的蛋白质组学方法在覆盖范围和动态范围方面存在局限性.
• 需要取得进展,以提高蛋白质组分析的深度和广度.

研究的目的:

• 通过使用新技术提高蛋白质组的综合性和吞吐量.
• 在各种蛋白质组学应用中改进蛋白质和的识别.
• 为了使更准确和更广泛的蛋白质-蛋白质相互作用研究.

主要方法:

• 利用微柱阵列列 (μPACs) 进行增强的分离.
• 采用宽窗采集策略,用于更广泛的前体离子检测.
• 集成基于AI的CHIMERYS搜索引擎,以改善数据分析.

主要成果:

• μPACs 增加了和蛋白质的识别,分别高达 50% 和 24%.
• 综合工作流确定了51-74%更多的蛋白质和59-150%更多的.
• 在不同样本类型中实现了高精度 (CVs <7%) 和精度 (偏差 <10%).
• 在蛋白质-蛋白质相互作用研究中发现了92%更多的潜在相互作用体.

结论:

• 优化的平台显著提高了蛋白质组覆盖率和吞吐量.
• 这种先进的工作流对于大规模的临床和研究蛋白质组学至关重要.
• 该方法可以更深入地了解分子机制和蛋白质相互作用.