將基于計(jì)算機(jī)模擬庫的Library-free分析策略應(yīng)用于蛋白質(zhì)鑒定

 
對(duì)不同樣品組進(jìn)行準(zhǔn)確的蛋白質(zhì)定量是理解生物學(xué)的關(guān)鍵，但首先需要在樣品中鑒定到該蛋白質(zhì)。因此，對(duì)生物樣品中蛋白質(zhì)的鑒定仍然是一個(gè)重要的工作流程。
 
本研究應(yīng)用傳統(tǒng) DDA 工作流程（Zeno DDA）與 Zeno SWATH DIA 工作流程進(jìn)行蛋白質(zhì)、肽段鑒定。后者使用人類序列理論數(shù)據(jù)庫進(jìn)行蛋白質(zhì)鑒定。在 45 分鐘和 10 分鐘微升液相梯度下，比較兩種工作流程在蛋白質(zhì)和肽段的鑒定水平。

● 樣品準(zhǔn)備：人 K562 細(xì)胞裂解物的酶解產(chǎn)物，來自SWATH Acquisition performance kit (SCIEX)。進(jìn)樣量范圍為 12.5 ng - 400 ng。

● 液相方法： ACQUITY UPLC  M-Class液相系統(tǒng)（Waters），分析色譜柱：Phenomenex Kinetex XB-C18 (2.6 μm, 100 Å, 150 x 0.3 mm)，Trap柱：Phenomenex micro trap (5 μm, 100 Å, 10 x 0.3 mm)，流速：5 μL/min，液相梯度：10 min, 45 min。

● 質(zhì)譜方法：ZenoTOF 7600系統(tǒng)2臺(tái)，兩種采集流程：Zeno DDA、可變窗口Zeno SWATH DIA，樣品平行采集三次。

● 數(shù)據(jù)處理： Zeno DDA數(shù)據(jù)用OneOmics™軟件包中ProteinPilot™應(yīng)用程序，使用人類理論數(shù)據(jù)庫進(jìn)行搜庫。Zeno SWATH DIA數(shù)據(jù)使用DIA-NN[1]軟件處理。

分為計(jì)算機(jī)模擬譜庫（Library-free）和有譜圖庫兩種分析，其中譜圖庫使用兩種數(shù)據(jù)庫：Pan Human Library[2]和ProteinPilot™軟件搜索的人類理論數(shù)據(jù)庫構(gòu)建樣本譜圖庫。
 
 
1. Zeno DDA與Zeno SWATH DIA在蛋白質(zhì)鑒定的比較

在12.5ng - 400 ng進(jìn)樣量范圍內(nèi)，在相同進(jìn)樣量條件下，Zeno SWATH DIA鑒定的蛋白質(zhì)數(shù)量約為Zeno DDA的 2 倍， 2 臺(tái) ZenoTOF™ 7600 系統(tǒng)測(cè)試結(jié)果一致。進(jìn)一步進(jìn)行蛋白質(zhì)種類比較，Zeno SWATH DIA鑒定的蛋白質(zhì)幾乎覆蓋了Zeno DDA 鑒定到的蛋白質(zhì)。
     
   
相比于通過MS1數(shù)據(jù)進(jìn)行定量的Zeno DDA策略來說，Zeno SWATH DIA策略可產(chǎn)生豐富的MS/MS數(shù)據(jù)，因此可獲得更可靠、更明確的定量數(shù)據(jù)。使用 Zeno SWATH DIA 工作流程時(shí)，無論使用譜圖庫還是Library-free的數(shù)據(jù)處理策略，定量CV < 20%的蛋白質(zhì)均占總鑒定蛋白質(zhì)約90% 。三種不同數(shù)據(jù)處理方法的鑒定蛋白質(zhì)數(shù)量相似，該結(jié)果顯示了Library-free處理方法的能力。
   
隨后比較Library-free處理生成的結(jié)果與使用譜圖庫處理的結(jié)果，維恩圖（圖 4）顯示二者得到的蛋白質(zhì)鑒定信息非常相似，進(jìn)一步增加了Library-free方法的可信度。
   
 
使用快速 10 min液相梯度重復(fù)本研究，以確認(rèn) Zeno SWATH DIA 工作流程在更快的液相梯度中鑒定蛋白質(zhì)數(shù)量的提升倍數(shù)。相比于 Zeno DDA 方法， 45 min液相梯度，Zeno SWATH DIA 方法蛋白質(zhì)鑒定量提升約2倍（圖 5）。隨著液相梯度加快， 使用Zeno SWATH DIA可獲得更大蛋白質(zhì)鑒定增益，蛋白質(zhì)鑒定數(shù)量增加到 2.5倍 -3 倍。因此，當(dāng)進(jìn)行大樣本分析時(shí)，更適合選用Zeno SWATH DIA工作流程。
   
 
文獻(xiàn)：
[1] Demichev V et al. (2019) DIA-NN: neural networks and interference correction enable deep proteome coverage in high throughput. Nature Methods, 17, 41-44.
[2] Rosenberger G et al (2014) A repository of assays to quantify 10,000 human proteins by SWATH-MS. Scientific data. 1, 140031.