pyBinder:量化提前亲和力选择-质谱测量
Joseph S Brown1, Michael A Lee1, Wayne Vuong1
1Department of Chemistry, Massachusetts Institute of Technology, Cambridge, Massachusetts 02139, United States.
Analytical chemistry
|February 14, 2025
概括
我们开发了pyBinder,这是一个新的计算工具,用于使用亲和选择质谱法 (AS-MS) 改进配体发现. pyBinder 增强了数据分析,使得能够识别出更多针对特定目标的配体.
科学领域:
- 生物化学 生物化学
- 分析化学 分析化学
- 计算生物学 计算生物学
背景情况:
- 亲和选择质谱 (AS-MS) 是一个强大的联体发现平台.
- 在AS-MS中,高样本复杂性会压倒质谱学能力,导致不完整的数据和有限的连接体识别.
- 现有的方法与大型类图书馆 (10^8个成员) 斗争.
研究的目的:
- 介绍pyBinder,这是一个用于分析AS-MS数据的新型计算工具.
- 根据目标选择性和度依赖的丰富性,开发定量评分来对配体进行排名.
- 使用AS-MS提高联结体发现的效率和范围.
主要方法:
- 开发了pyBinder来处理AS-MS实验中的初级MS^1数据.
- 集成的峰值区域量化,以创建目标选择性和度依赖的丰富度得分.
- 使用AS-MS数据对抗抗血凝素抗体12ca5和WD重复域5 (WDR5) 的基准pyBinder.
主要成果:
- pyBinder有效地表征具有已知的高亲和度结合基因的.
- 已确认的pyBinder评分可靠地识别了针对WDR5.5的特定目标,含有动机的.
- 实现了为WDR5 (从3到14个配体) 带有动机的序列识别的4倍增加.
结论:
- pyBinder通过允许更多的识别,显著改善了AS-MS中的联体发现结果.
- 开发的分数提供了一个强大的方法来比较AS-MS数据在不同的实验条件.
- 建立了对AS-MS的改进方法,促进了选择性配体的更广泛应用和发现.
更多相关视频
13:49Semi-automated Biopanning of Bacterial Display Libraries for Peptide Affinity Reagent Discovery and Analysis of Resulting Isolates
Published on: December 6, 2017
11.4K
12:11Simultaneous Affinity Enrichment of Two Post-Translational Modifications for Quantification and Site Localization
Published on: February 27, 2020
6.8K
