由于使能技术的发展加速,通过质谱法对蛋白质进行分析变得越来越重要



由于使能技术的发展加速,通过质谱法对蛋白质进行分析变得越来越重要


文章图片



由于使能技术的发展加速,通过质谱法对蛋白质进行分析变得越来越重要


文章图片



由于使能技术的发展加速,通过质谱法对蛋白质进行分析变得越来越重要


文章图片


由于使能技术的发展加速 , 通过质谱法对完整蛋白质进行高通量分析变得越来越重要 。 前端分离已经发生了转变 , 因为基于溶液的完整蛋白质分离方法为自下而上的凝胶内消化方法提供了一种可行的替代方案 。 这些新的分离技术可以降低初始样品量 , 并且可以耦合到质谱分析之前的纳米液相色谱 。

此外 , 灵敏度和速度的数量级提高使现代仪器能够更充分地处理充满大量完整蛋白质的复杂混合物的严苛要求 。 这些分离和仪器的改进已将自上而下的质谱分析从单一蛋白质直接注入实验转变为高达100kDa的高通量全蛋白质组分析 。 最近的分析表明 , 对数千种蛋白质形式和近两千个唯一登录号的可靠鉴定 。 在分离和仪器方面的重点工作 , 以及新的和现有的生物信息学工具 , 在很大程度上绕过了高通量质谱数据采集领域 。
【由于使能技术的发展加速,通过质谱法对蛋白质进行分析变得越来越重要】
然而 , 质谱数据的智能采集为提高实验效率带来了巨大希望 。 由决策逻辑驱动的对碎片参数的实时调整已成功纳入自下而上的蛋白质组学工作流程 。 “智能”的结合使后续实验中识别的肽数量大幅增加 。 对于完整的蛋白质分析 , 智能采集策略已被用于提高由液质联用分析产生的蛋白质鉴定的数量和质量 , 但依赖于额外的离线分析 。 将这些努力扩展到TDP的在线数据采集和分析平台提供了一个增加这些蛋白质组学数据集价值的令人兴奋的方法 。

数据驱动采集的进一步发展不仅会提高数据收集的效率 , 还会导致更有效地使用分析过程中生成的数据 。 高通量蛋白质组学可以产生海量数据;然而 , 每个新的碎片化事件通常被视为一个单独的、孤立的事件 , 而不是一个独特的大量物种的数据集的一部分 。 这导致了数据收集的冗余 , 从而阻碍了对蛋白质的深入探索 。

此外 , 项目范围的动态排除而不是基于生命周期管理系统运行的动态排除将防止对已经很好表征的蛋白质进行不必要的分析 。 由于蛋白质表达和质谱仪之间的动态范围不匹配 , 最丰富的蛋白质 。 在蛋白质组学研究过程中可能被片段化数千次 。 不幸的是 , 这些蛋白质经常在第一次片段化时完全表征 , 因此蛋白质的额外片段化不会产生额外的信息 。 科学家通过名为自动驾驶仪的软件演示了由智能数据收集驱动的升级TDP工作流程 。

在线质量检测 , 辅以过去碎片事件的先验知识 , 指导前体选择和碎片 。 没有充分表征的蛋白质会根据碎片逻辑方案使用优化的参数进行重复碎片化 。 立即搜索光谱数据 , 并将信息添加到蛋白质组学存储库中 , 以供当前和未来运行参考 。 每个不同的质量都建立了一个碎片历史 , 新的碎片数据与以前的数据相结合 , 以产生最佳的蛋白质序列覆盖率 。 通过收集来自不同碎片类型、能量和电荷状态的数据 , 可以实现更完整的蛋白质表征 。

此外 , 已经超过表征阈值的蛋白质被排除在所有即将进行的分析之外 , 以允许在给定蛋白质组分析中表征最大数量的蛋白质 。 自动驾驶仪将具有信号截止地提取物应用于完整的前体扫描和碎片扫描 。 在比较实验中看到的表征增加是对蛋白质靶标进行定向再分析的结果 。 因为不是每个蛋白质都以可预测的方式表现 , 所以必须检查每个片段化的物种以确定是否需要额外的片段化 。

    推荐阅读