在线客服
客服热线
400-664-9912
客服组:
阿趣客服
客服组:
在线客服
QQ:
Amy
服务时间:
8:00 - 24:00

关注官方微信平台

电话:400-664-9912

QQ:2850277929

邮箱:marketing@biotree.cn

地址:上海市嘉定区新培路51号焦点梦想园B栋5楼

上海阿趣生物科技有限公司. 版权所有 沪ICP备17019578号-1

GPF-DIA定量蛋白质组学研究

浏览量:
 
数据非依赖性采集 (Data independent acquisition,DIA) 是一种能够显著提升蛋白质组学研究通量和可重复性的强大技术,已广泛运用在各种生物学样品检测中。经典的 DIA 流程通常依赖于 DDA谱图库的构建,需要将样品离线分级成多个组分分别上机检测,消耗大量的机时、样品,周期长,成本高。近年来,越来越多的不依赖于 DDA 建库的分析方法相继诞生,例如 DIA­Umpire 、 PECAN(YingS Ting 2017) 、encyclopeDIA (Brian C. Searle 2018) 等。 encyclopeDIA 系列技术采用气态在线分离(gas­phase fractionation , GPF) 技术,在采集 DIA 数据的同时,通过额外的 6 针分段采集 DIA 数据,结合 PECAN 算法或 Prosit(Siegfried Gessulat and Wilhelm 2019) SVM 模型构建色谱库 (Brian C.Searle 2020) ,用于实际样品的 DIA 数据分析(图 1 )。相比经典的 DDA 建库方案,能够检测到更多的目标蛋白 ( 多肽 ) ,更快的实验项目周期,更好的定量检测结果,更加节省样品、机时和人力成本。
 
注:气相分馏(GPF),定义为在多个较小的质荷(m/z)范围内对样品进行反复质谱检测,与液相色谱串联质谱(LC-MS/MS)分析中从宽质谱扫描中选择的离子相比,可从更多的独特肽中选择碰撞诱导解离离子。
 
技术优势:
更省:省样本量、省周期
更多:蛋白种类更多
更准:定量更准确
 
GPF-DIA建库的DIA蛋白组学技术核心:
 
蛋白组学
 
GPF-DIA建库特点:
1)母离子扫描范围:400~1000m/z;
2)1例pool样本6次上机建库,达到甚至超过DDA 所需的几十个组分的建库结果,极大的减少了建库所需要的样本量以及质谱上机成本;
3)4m/z窗口经算法重构为2m/z,获取逼近PRM的高质量数据。
 
DI技术流程:
 
蛋白质组学
 
DIA生信分析展示(部分):
 
蛋白质组学
 
技术参数
样本要求:
动物及临床组织标本 200 mg/sample
血清、血浆         200 μL/sample
细胞 、微生物     1×107 cells/sample
植物嫩叶、嫩芽   500mg/sample
植物种子、果实   100mg/sample
 
检测平台:
 
蛋白质组学
 
应用方向: 
 
蛋白质组学
 
案例分享:
Chromatogram libraries improve peptide detection and quantification by data independent acquisition mass spectrometry.
 
数据非依赖性采集(DIA)质谱是提高蛋白质组学研究重现性和高通量的一种强有力的技术。这篇文章作者介绍了一种使用这种技术构建的色谱库的实验工作流程,该文库可以捕获蛋白质组学实验中每个可检测肽的碎片离子的色谱峰形和保留时间。这些参数将蛋白质数据库或谱库校准到特定的质谱仪和色谱设置,便于仅做DIA的实验和总资源库的重用。同时作者介绍了EncyclopeDIA,一个用于生成和搜索色谱库的软件工具,并通过定量人类和酵母细胞中的蛋白质来展示该工作流程的性能。结果发现,通过利用色谱库中校准的保留时间和碎片特异性,EncyclopeDIA可以从DIA实验中检测到比单独使用基于数据采集的谱库多20-25%的肽。
 
蛋白质组学
 
部分应用文献:
[1] Searle Brian C,Pino Lindsay K,Egertson Jarrett D et al. Chromatogram libraries improve peptide detection and quantification by data independent acquisition mass spectrometry.[J] .Nat Commun, 2018, 9: 5128.
[2] Ting Ying S,Egertson Jarrett D,Bollinger James G et al. PECAN: library-free peptide detection for data-independent acquisition tandem mass spectrometry data.[J] .Nat. Methods, 2017, 14: 903-908.
[3] Searle Brian C,Swearingen Kristian E,Barnes Christopher A et al. Generating high quality libraries for DIA MS with empirically corrected peptide predictions.[J] .Nat Commun, 2020, 11: 1548.
[4] Gessulat Siegfried,Schmidt Tobias,Zolg Daniel Paul et al. Prosit: proteome-wide prediction of peptide tandem mass spectra by deep learning.[J] .Nat Methods, 2019, 16: 509-518.
[5] Kennedy Jacob,Yi Eugene C,Use of gas-phase fractionation to increase protein identifications : application to the peroxisome.[J] .Methods Mol Biol, 2008, 432: 217-28.
 
>
GPF-DIA定量蛋白质组学研究