Avanços em Proteômica Direcionada Usando Espectrometria de Massa
Uma nova abordagem melhora a seleção de peptídeos para proteômica direcionada usando espectrometria de massa.
― 7 min ler
Índice
- Como Funciona a Proteômica Direcionada
- Técnicas de Seleção de Peptídeos
- Aquisição Independente de Dados (AID)
- Amostras de Líquido cefalorraquidiano
- Preparando Amostras de Líquido Cefalorraquidiano
- Espectrometria de Massa AID e Processamento
- Aquisição e Processamento de Monitoramento de Reações Selecionadas
- Resultados da Detecção de Peptídeos
- Selecionando Peptídeos com Base no Desempenho
- Desenvolvendo um Fluxo de Trabalho para Ensaios Direcionados
- Comparando Resultados com Ensaios Desenvolvidos Anteriormente
- Gerando Ensaios Adicionais Usando Dados de AID
- Uso Eficiente de Métodos AID
- Conclusão
- Fonte original
- Ligações de referência
A espectrometria de massa (EM) é uma técnica usada pra analisar misturas complexas de proteínas em amostras biológicas. Ela oferece uma maneira confiável de medir a quantidade de proteínas específicas sem depender de métodos tradicionais como os imunoensaios. Uma maneira comum de usar a espectrometria de massa pra isso é através de um método chamado Proteômica Direcionada, especificamente usando uma técnica chamada monitoramento de reações selecionadas (MRS).
Como Funciona a Proteômica Direcionada
Na proteômica direcionada, os cientistas primeiro quebram misturas de proteínas em pedaços menores chamados peptídeos. Cada peptídeo pode representar a proteína maior de que ele veio. Pra medir esses peptídeos com precisão, os cientistas usam um tipo de espectrômetro de massa chamado espectrômetro de massa quadrupolo triplo. Esse dispositivo ajuda a escolher pares de íons específicos, que são necessários pra medir os peptídeos. Esse método é conhecido pela sua precisão e consistência ao medir os níveis de peptídeos em amostras complexas.
Mas, um desafio surge na hora de escolher os peptídeos certos pra medir. Boas escolhas de peptídeos precisam:
- Refletir com precisão a quantidade de formas específicas de proteínas.
- Funcionar bem no tipo específico de amostra que tá sendo testada.
- Se separar bem durante o processo de medição.
Técnicas de Seleção de Peptídeos
Pra selecionar os melhores peptídeos, os pesquisadores geralmente analisam dados existentes da literatura e de bancos de dados ou fazem seus próprios experimentos. Esse processo é complicado por fatores como a preparação da amostra e como a medição é feita. Por exemplo, muitos estudos existentes usam aquisição dependente de dados (ADD), que coleta dados com base em certos critérios que podem não ser sempre eficazes pra medições direcionadas.
Uma abordagem alternativa envolve usar MRS pra analisar proteínas que já são conhecidas. Nesse processo, as proteínas são cuidadosamente purificadas e quebradas em peptídeos, que são então medidos separadamente pra selecionar os melhores pra análise quantitativa. Embora isso possa melhorar a precisão da seleção de peptídeos, ainda é um desafio determinar como os peptídeos originais se saem em uma amostra específica.
Aquisição Independente de Dados (AID)
A aquisição independente de dados (AID) é outra estratégia que oferece uma maneira mais organizada de analisar peptídeos. Pesquisas mostram que métodos preditivos treinados com dados de AID costumam se sair melhor do que aqueles baseados em ADD na hora de selecionar peptídeos pra análise direcionada.
Em estudos anteriores, foi desenvolvido um método usando múltiplas injeções pra cobrir a faixa de massa de peptídeos comuns com janelas de isolamento estreitas. Essa estratégia pode coletar dados diretamente de amostras biológicas, levando em conta a composição da amostra.
Usando uma biblioteca fracionada na fase gasosa obtida de amostras biológicas, os pesquisadores podem escolher peptídeos de forma eficiente pra MRS. As informações sobre tempos de retenção e transições são geradas durante a criação da biblioteca, tornando o processo de seleção mais tranquilo.
Líquido cefalorraquidiano
Amostras deO estudo envolve o uso de amostras de líquido cefalorraquidiano (LCR) coletadas de indivíduos diagnosticados com doença de Alzheimer ou Parkinson, além de sujeitos controle saudáveis. As amostras foram coletadas sob diretrizes rigorosas e armazenadas pra testes. As amostras coletadas foram cuidadosamente misturadas pra criar uma amostra de referência pra desenvolvimento de métodos.
Preparando Amostras de Líquido Cefalorraquidiano
Pra preparar as amostras de LCR pra análise, elas foram primeiro diluídas e aquecidas pra desnaturar as proteínas. Esse processo envolveu redução, alquilação e digestão das proteínas. Os peptídeos resultantes foram então limpos pra remover impurezas, permitindo medições precisas.
Espectrometria de Massa AID e Processamento
Os peptídeos preparados foram separados usando uma configuração especial de cromatografia líquida, seguidos pela coleta de dados através de AID. Isso envolveu múltiplas injeções pra garantir uma cobertura abrangente da faixa de massa dos peptídeos.
Os dados da espectrometria de massa foram processados pra identificar peptídeos e suas características específicas. As informações foram organizadas de uma maneira que facilitou o acesso ao selecionar peptídeos pra análise direcionada.
Aquisição e Processamento de Monitoramento de Reações Selecionadas
Usando um espectrômetro de massa quadrupolo triplo, dados direcionados foram coletados. Cada amostra passou por separação cuidadosa pra medir adequadamente os peptídeos. O processo envolveu várias etapas pra garantir a detecção e quantificação precisas dos peptídeos.
Os dados proteômicos direcionados foram analisados usando um software que ajudou a somar as intensidades dos picos dos peptídeos monitorados. A normalização dos dados e a análise estatística garantiram resultados confiáveis.
Resultados da Detecção de Peptídeos
Das amostras analisadas, um número significativo de peptídeos foi detectado correspondente a várias proteínas. Esses potenciais alvos de MRS foram avaliados com base em suas transições e interferências co-elutadas. A análise revelou que muitos peptídeos eram candidatos confiáveis pra estudos adicionais.
Selecionando Peptídeos com Base no Desempenho
Ao avaliar a estabilidade e intensidade de cada peptídeo, os pesquisadores puderam filtrar aqueles que provavelmente não se sairiam bem em ensaios de MRS. Esse processo de filtragem focou na seleção de peptídeos que demonstraram bom desempenho em medições anteriores de AID.
Desenvolvendo um Fluxo de Trabalho para Ensaios Direcionados
O estudo descreve uma abordagem sistemática pra criar ensaios direcionados. Uma amostra agrupada de LCR de pacientes foi usada pra rodar vários experimentos de AID. Cada experimento produziu dados valiosos sobre a detecção e desempenho de peptídeos.
Os peptídeos selecionados passaram por um processo de classificação pra determinar sua adequação pra análise direcionada. Esse fluxo de trabalho eficiente permitiu que os pesquisadores criassem um ensaio direcionado com tempo e recursos mínimos.
Comparando Resultados com Ensaios Desenvolvidos Anteriormente
Pra validar o método, o novo ensaio desenvolvido foi comparado com ensaios existentes pra doença de Alzheimer. Os resultados mostraram que os peptídeos selecionados tiveram desempenho semelhante, demonstrando a eficácia do novo processo de seleção de peptídeos.
Gerando Ensaios Adicionais Usando Dados de AID
Uma das principais vantagens de usar dados de AID é a capacidade de criar vários ensaios pra diversas proteínas a partir do mesmo conjunto de dados. Nesse caso, os pesquisadores geraram um ensaio separado pra proteínas ligadas à dor crônica, mostrando a versatilidade das informações coletadas.
Uso Eficiente de Métodos AID
A chegada de métodos AID resultou em uma abundância de dados que podem ser aproveitados pra desenvolver ensaios direcionados. Esse conhecimento acumulado facilita a coleta de informações relevantes sobre peptídeos, tornando o desenvolvimento de ensaios menos trabalhoso.
Conclusão
O fluxo de trabalho apresentado pra gerar ensaios direcionados de MRS é eficiente, exigindo apenas alguns dias de tempo de instrumentação e esforço técnico mínimo. Ele é capaz de selecionar peptídeos com alta intensidade e bom desempenho, abrindo caminho pra análises eficazes em vários contextos biológicos.
À medida que mais dados se tornam disponíveis a partir de experimentos de AID, isso vai melhorar nossa capacidade de criar ensaios robustos pra uma ampla gama de aplicações, ajudando, em última análise, a entender melhor diferentes doenças e processos biológicos.
Título: Data Independent Acquisition to Inform the Development of Targeted Proteomics Assays Using a Triple Quadrupole Mass Spectrometer
Resumo: Mass spectrometry based targeted proteomics methods provide sensitive and high-throughput analysis of selected proteins. To develop a targeted bottom-up proteomics assay, peptides must be evaluated as proxies for the measurement of a protein or proteoform in a biological matrix. Candidate peptide selection typically relies on predetermined biochemical properties, data from semi-stochastic sampling, or by empirical measurements. These strategies require extensive testing and method refinement due to the difficulties associated with prediction of peptide response in the biological matrix of interest. Gas-phase fractionated (GPF) narrow window data-independent acquisition (DIA) aids in the development of reproducible selected reaction monitoring (SRM) assays by providing matrix-specific information on peptide detectability and quantification by mass spectrometry. To demonstrate the suitability of DIA data for selecting peptide targets, we reimplement a portion of an existing assay to measure 98 Alzheimers disease proteins in cerebrospinal fluid (CSF). Peptides were selected from GPF-DIA based on signal intensity and reproducibility. The resulting SRM assay exhibits similar quantitative precision to published data, despite the inclusion of different peptides between the assays. This workflow enables development of new assays without additional up-front data acquisition, demonstrated here through generation of a separate assay for an unrelated set of proteins in CSF from the same dataset.
Autores: Michael J. MacCoss, D. L. Plubell, E. Huang, S. E. Spencer, K. Poston, T. Montine
Última atualização: 2024-05-31 00:00:00
Idioma: English
Fonte URL: https://www.biorxiv.org/content/10.1101/2024.05.29.596554
Fonte PDF: https://www.biorxiv.org/content/10.1101/2024.05.29.596554.full.pdf
Licença: https://creativecommons.org/licenses/by/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao biorxiv pela utilização da sua interoperabilidade de acesso aberto.