PEAKS 11免疫肽組學分析完整工作流應用實例詳解
摘要
免疫肽組學是促進基于肽的疫苗研發(fā)和癌癥免疫治療發(fā)展的一個重要研究途徑。在沒有蛋白質(zhì)序列參考數(shù)據(jù)庫的情況下，de novo可以直接從MS2譜圖中鑒定出潛在的非典型多肽。因此，將常規(guī)數(shù)據(jù)庫搜索與從頭測序相結合將是免疫肽組學研究的一種很有前景的方法。在這里，我們展示了在PEAKS 11中分別對DDA和DIA數(shù)據(jù)進行免疫肽組分析的完整工作流程。
簡介
基于質(zhì)譜的多肽組學研究對于發(fā)現(xiàn)免疫肽，特別是腫瘤特異性抗原(TSA)或腫瘤相關抗原(TAA)至關重要。質(zhì)譜數(shù)據(jù)分析通常依賴于先驗的蛋白質(zhì)序列進行數(shù)據(jù)庫搜索，然而這種方法只適用于經(jīng)典通路下產(chǎn)生的多肽，對于標準蛋白質(zhì)序列數(shù)據(jù)庫中沒有的非典型多肽就無法解析出來。
基于de novo的質(zhì)譜數(shù)據(jù)分析可以作為非典型多肽發(fā)現(xiàn)的優(yōu)選方案，因為它不需要蛋白質(zhì)序列作為參考。但目前常用的“target-decoy”方法是為經(jīng)典DB search而設計的，并不適用于從頭測序的多肽鑒定。如Fig 1所示，我們建立了一種新的兼容DB search和de novo結果FDR計算的方法，并將其應用于PEAKS 11軟件的DeepNovo Peptidome工作流中，整合了PEAKS DB search、SPIDER和深度學習算法，專門用于分析內(nèi)源性多肽組，尤其是免疫肽組的數(shù)據(jù)， 結果展現(xiàn)出較高的靈敏度。
Fig 1 DeepNovo peptidome工作流程示意圖
我們選擇了PXD038782[1]中的TimsTOF HNSCC(頭頸鱗狀細胞癌)的HLA-I和HLA-II數(shù)據(jù)，原文中數(shù)據(jù)使用PEAKS Studio的Database search完成分析，我們在PEAKS Online的DeepNovo Peptidome工作流中重新分析，并與文獻發(fā)表結果進行了對比。
結果
我們在DeepNovo Peptidome工作流程中分析了先前發(fā)表的數(shù)據(jù)，多肽鑒定數(shù)平均增加了37%，其中約有20%的多肽是通過DeepNovo和Homolog發(fā)現(xiàn)的。Fig 2表明我們的DeepNovo工作流程覆蓋了接近97%的已報道序列，并且具有相同的肽段長度分布趨勢。
Fig 2 文獻發(fā)表結果與重分析結果韋恩圖
Fig 3 肽段長度分布
原文獻中，為了尋找與HNSCC相關的自然呈遞的TSA，作者對該病例的腫瘤組織和良性組織分別進行了WES，然后通過傳統(tǒng)搜庫方式鑒定到了兩個新抗原表位：LPADVTEDEF和VYPLAFVLI。而這兩條多肽在我們重分析的結果中，僅通過DeepNovo就得到了很好的鑒定（Fig 4），可極大地節(jié)約樣本測序的成本和時間。
Fig 4 DeepNovo鑒定結果譜圖展示
然后，我們使用MHCMotifDecon 1.1 [2]分別對文獻報道結果和DeepNovo重分析的結果進行了MHC binding Motif分析，結果顯示DeepNovo能挖掘出更多的潛在MHC ligands（Fig 5-6）。
Fig 5 MHC class I motif deconvolution
Fig 6 MHC class II motif deconvolution
結論
PEAKS DeepNovo Peptidome 工作流整合了深度學習的算法，在免疫肽組學數(shù)據(jù)分析方面表現(xiàn)出良好的靈敏度和準確性，大大提高了免疫肽組質(zhì)譜數(shù)據(jù)挖掘的深度。
如果您想了解更多關于DeepNovo Peptidome工作流，點擊DeepNovo Peptidome-一個新的DDA和DIA的多肽組工作流。
參考文獻
1.Hoenisch Gravel, N., Nelde, A., Bauer, J. et al. TOFIMS mass spectrometry-based immunopeptidomics refines tumor antigen identification. Nat Commun 14, 7472 (2023). https://doi.org/10.1038/s41467-023-42692-7.
2.Accurate MHC Motif Deconvolution of immunopeptidomics data reveals high relevant contribution of DRB3, 4 and 5 to the total DR Immunopeptidome. Saghar Kaabinejadian, Carolina Barra, Bruno Alvarez, Hooman Yari, William Hildebrand, Morten Nielsen. Frontiers in Immunology 26 January 2022. Sec. Antigen Presenting Cell Biology, DOI: 10.3389/fimmu.2022.835454.
3.Tran, N. H., Zhang, X., Xin, L., Shan, B., & Li, M. (2017). De novo peptide sequencing by deep learning. Proceedings of the National Academy of Sciences of the United States of America, 114(31), 8247–8252. https://doi.org/10.1073/pnas.1705691114
-掃碼關注-
www.bioinfor.com (EN)
www.deepproteomics.cn（CN）
作為生物信息學的領軍企業(yè)，BSI專注于蛋白質(zhì)組學和生物藥領域，通過機器學習和先進算法提供世界領先的質(zhì)譜數(shù)據(jù)分析軟件和蛋白質(zhì)組學服務解決方案，以推進生物學研究和藥物發(fā)現(xiàn)。我們通過基于AI的計算方案，為您提供對蛋白質(zhì)組學、基因組學和醫(yī)學的卓越洞見。旗下著名的PEAKS系列軟件在全世界擁有數(shù)千家學術和工業(yè)用戶，包括：PEAKS Studio，PEAKS Online，PEAKS GlycanFinder, PEAKS AB及抗體綜合表征服務等。
聯(lián)系方式：
021-60919891；
sales-china@bioinfor.com
