Development and Application of SLIM-based Mobility-Aligned Fragmentation for Protein Analysis

Význam tématu

Vysokorozlišovací iontová mobilita v kombinaci s hmotnostní spektrometrií představuje špičkovou metodu pro proteomické analýzy. Pro úplnou identifikaci peptidů je však nezbytné provádět fragmentační analýzu, která jednoznačně potvrzuje strukturu. Vývoj nových přístupů k fragmentaci v oblasti řízené iontové mobility tak otevírá cestu k rychlejší a spolehlivější proteomice.

Cíle a přehled studie / článku

Studie představuje metodu mobility-aligned fragmentation (MAF), využívající 13m SLIM zařízení pro vyrovnání příchozích časů prekurzorů a fragmentů bez nutnosti kvadrupólové izolace. Pro ověření koncepce byl použit standardní BSA tryptický digest při různých LC gradientech a přímé infuzi.

Použitá instrumentace

• SLIM HRIM modul MOBIETM (MOBILion Systems)
• Hmotnostní analyzátor 6546 Q-TOF (Agilent Technologies)
• Kapalinová chromatografie 1290 Infinity II LC (Agilent Technologies)

Použitá metodika

Vzorky BSA byly čištěny reverzní fází při 30, 90 minutách a pomocí přímé infuze. Pro získání spekter MS/MS byly aplikovány nízké (0 V) a vysoké (30 V) kolizní energie. Data byla zpracována pomocí HRIM Data Processor, PNNL Preprocessor a vyhodnocena v Skyline s využitím knihovny tryptických peptidů BSA.

Hlavní výsledky a diskuse

Métoda MAF umožnila vyrovnání ATD (arrival time distribution) prekurzorových a fragmentačních iontů, což vedlo k vysoké sekvenční pokrytí BSA až 90 % při 90minutovém LC běhu i při dvouminutové infuzi. Výsledná data byla plně kompatibilní se Skyline, což zjednodušuje semi-automatizované zpracování obdobné tradičním MS/MS protokolům.

Přínosy a praktické využití metody

• Rychlá generace MS2 dat nezávisle na kvadrupólové izolaci.
• Vysoká kompatibilita se stávajícími softwarovými platformami (Skyline).
• Možnost aplikace v rutinních DIA proteomických workflow.

Budoucí trendy a možnosti využití

Další rozvoj může směřovat k plné integraci MAF do LC-MS systémů pro komplexní proteomy, rozšíření ccs knihoven a zvýšení automatizace datového zpracování včetně strojového učení pro analýzu velkých datasetů.

Závěr

MAF nabízí inovativní způsob získávání fragmentačních spekter s vyrovnáním příchozích časů v HRIM doméně, což přináší rychlou, přesnou a vysoce kompatibilní DIA metodologii pro proteinovou analýzu.

Reference

1. Scientific Data. 2020, 7(1):389.
2. Nature Methods. 2014, 11(2):167-170.
3. Journal of Proteome Research. 2015, 14(12):5378-5387.
4. Analytical Chemistry. 2018, 90(15):9529-9537.