Spectronaut
2018-12-12

封面.jpg

为DIA研究提供更大的便利


Spectronaut™ 近年来一直为DIA实验的数据分析提供最好的解决方案。而最新版本Spectronaut 将目前多个独立的DIA相关分析流程进行了无缝整合,更好的扩展了Spectronaut的应用领域。

1. 构建混合库

通过组合其他来源的大规模谱图库(project 或 resource libraries)和样品本身DIA检测数据(directDIA),可以不用自己建库便能得到较大量的定量蛋白数。

2. 加入标记的工作流程

在混合Biognosys全新PQ500同位素标肽试剂盒,目标蛋白可以通过非标定量的方式进行绝对定量且能够跨越5个数量级。

3. 宿主细胞蛋白

通过矫正残留蛋白,可以对低丰度的宿主细胞蛋白进行高精度的定性定量。

“Spectronaut X 在混合库建立过程中能够整合DDA和DIA数据,在我们的实践中发现可以得到更好的结果并以此开发全新的数据采集策略。”

                                                                                                            —— Florian Meier, Max Planck Institute of Biochemistry, Martinsried, Germany (Matthias Mann Group)

构建混合库

一个DIA实验包含高度卷积的数据集,因此一般都需要一套相应的谱图数据库来解析隐藏在其中的单个多肽碎片信息。谱图数据库可以由对实验样品本身的分析获取(project specific library),来自于公共谱图库 (resource library) 或者和直接通过directDIA方式,即不基于DDA建库而直接从DIA数据本身获得谱图数据库信息的方法 。

这三种方法各有优势

评判谱图库好坏的关键指标是它的覆盖深度和精度。覆盖深度受限于谱图库中包含的肽段量。DIA数据依赖于这些肽段来定性,因此更大的谱图数据库可以得到更多的鉴定量。谱图库的精度由特定样品的实际数据与谱图库里的保留时间和碎片离子强度的匹配度决定。

由研究对象构建的项目专属库当然是最精确的但受限于我们不可能每个项目都费时间去构建一个深度挖掘的谱图库,其覆盖深度往往不尽如人意。公共谱图库可能覆盖深度更高但通常都不够精确,毕竟数据采集的平台、样品、参数设置都和自己实验室中的情况不可能一样。DirectDIA方法精确度极高,但是因为通常不会去分级做DIA,因此相对于分级检测的谱图库来说覆盖深度就不那么理想了。

解决方案: 混合库即实现了深度覆盖又兼顾了精度,可以得到最好的结果。

Spectronaut 全新建库策略可以整合所有类型谱图库,取长补短。其做法是用公共谱图库或自建谱图库建立谱图库主体,然后采用每个定量DIA样品的数据用DirectDIA算法进行谱图库补充。

Spectronaut 通过独立矫正各个谱图库来保证各自的统计准确性。我们将其称为混合建库。之所以开发混合建库技术,我们最主要的目的是最大化可定量蛋白质的数量。当然,如果采用公共谱图库结合directDIA技术,我们也可以免去自己建库的机时。

如果您想进一步详细了解我们在一个肺癌项目中测试比较的自建谱图库、公共谱图库和混合建库策略的差别,可以联系我们获取资料。


上一篇: [上一篇] QUIC