干净的等离子体蛋白质组学:从最糟糕的情况中获得最好的结果
Ines Metatla1, Kevin Roger1, Cerina Chhuon1
1Proteomics Platform Necker, Université Paris Cité-Structure Fédérative de Recherche Necker, INSERM US24/CNRS UAR3633, 75015, Paris, France.
Clinical proteomics
|March 13, 2024
概括
这项研究通过增强质谱 (MS) 数据采集和分析来优化等离子体蛋白质组学. 新的工作流量量化了整洁血中的1000多种蛋白质,改善了生物标志物发现和临床研究.
科学领域:
- 生物化学和分子生物学
- 分析化学 分析化学
- 临床诊断 临床诊断 临床诊断
背景情况:
- 血蛋白质学为生物标志物发现提供了一种非侵入性的方法,类似于"液体活检".
- 基于质谱 (MS) 的蛋白质组学是一种强大的工具,用于在血中无偏的蛋白质识别和量化.
- 血中蛋白质丰度的巨大动态范围对检测低丰度蛋白质提出了重大挑战.
研究的目的:
- 探索使用MS在整洁血样本中改善蛋白质组覆盖的方法.
- 优化MS数据采集和数据分析策略,用于等离子体蛋白质组学.
- 引入和评估用于增强蛋白质识别的"EV提升"方法.
主要方法:
- 使用S陷消化和Evosep One/nanoElute与timsTOF Pro结合用于MS分析.
- 采用不同的化梯度和离子移动范围来获取数据.
- 利用DIA-NN进行无库搜索进行数据分析,并引入EV提升策略.
主要成果:
- 证明了采样较小的水友性和增加色谱分离的好处.
- 展示了免费搜索图书馆对改善蛋白质组覆盖的有效性.
- 优化的工作流使得清洁血中1000多种蛋白质的量化能够实现,每天24个样本 (SPD) 的吞吐量.
结论:
- 优化的MS数据采集和分析显著提高了清洁血中的蛋白质识别.
- 这种EV提升方法有效地利用细胞外囊泡来增加蛋白质覆盖范围.
- 开发的工作流提供了一个成本高效和时间高效的解决方案,用于大规模的血蛋白质组研究,适用于不同的LC-MS平台.
