重磅升级!血液DIA蛋白定量,免除建库烦恼!
什么?血液DIA蛋白定量竟然还要构建谱图库?周期长、费用高,项目马上deadline,毕业时间转眼就到了!
不用担心,我们都帮您想到了!
今天重磅推出的这个谱图库,解除您的所有顾虑,让您从此轻松、高效做科研!
血液研究的重要性与挑战
血液(包括血清/血浆)作为临床最常见的样品类型,可通过微创方式获得,同时又是全身各器官分泌蛋白质的蓄水池,含有丰富的反映机体生理和病理状态的生物信息,所以是非常有价值的疾病生物标志物样品类型[1-2]。基于质谱的蛋白质组学原则上可以无偏倚地获得所有蛋白质的特异性和定量信息,是研究人类血清/血浆蛋白质组变化的最佳技术[3]。
然而,血清/血浆又是非常复杂的生物化学基质,其蛋白质组的动态范围超过10个数量级,丰度最高的前10个蛋白质占总蛋白质含量的90%。血液样品中蛋白质广泛且不平衡的动态范围,使得基于质谱的血清/血浆蛋白质组学研究存在较大挑战,阻碍新候选生物标志物的发现[4]。
为解决这些问题,通常待测样品进入质谱仪之前会进行预处理,包括高丰度蛋白的去除、预先分馏等。但是前者会导致结果偏倚,且价格昂贵增加检测成本;后者预先分馏的策略虽然可以显著提高检测深度,但由于样品制备过程繁琐,导致检测通量有限,不能满足临床研究中大规模样品的检测需求[5]。
适合大规模临床血液研究的蛋白定量技术
DIA(Data Independent Acquisition,数据非依赖性采集模式)蛋白定量技术,能够扫描区间内所有的肽段母离子,通过二级离子信号的峰面积进行定量,真正做到全景式、高通量、高精度,并能同时对多达上百个样品或者不同批次的样本进行定量比较,且DIA无需进行预先分馏,能够最大程度地保证实验结果的真实性和平行性。
与传统DDA(Data Dependent Acquisition,数据依赖性采集模式)蛋白定量技术相比,DIA具备鉴定数高、重复性好、定量准确性高、周期短、费用低等优势[6]。因此,DIA更加适合大规模临床血清/血浆蛋白质组的研究。
作为国内DIA蛋白定量技术商用的首推者,华大基因在该技术上处于全球领先地位,曾参与蛋白质组学领域大咖、苏黎世联邦理工学院(ETH Zurich)Ruedi Aebersold教授牵头的全球11家实验室标准评测,并共同发表Nature Communications 文章[7],蛋白鉴定数目高、定量准确、重复性好(图1、2中的10号结果)。
图1 蛋白鉴定结果
图2 蛋白定量结果
到目前华大基因DIA蛋白定量技术已运行三年,积累了丰富的项目执行经验,在血液DIA蛋白定量方面表现尤为突出:
· 临床血清、血浆蛋白鉴定数达1000+,部分执行项目达1500+;
· 覆盖更多低丰度、低分子量蛋白,涉及更多功能蛋白质种类;
· 更能对血液中蛋白质组进行定量分析,重复性、稳定性高达90%!
为您省时的“自建库”,来了!
DIA作为一种全景式的扫描方式,获得谱图较复杂,需采用谱图库作为数据库进行分析,一般会用同批次的待检测样本等量混合进行谱图库的构建(详情),较为费时费力。华大基因在数年自主研发探索的基础之上,重磅推出“自建血液样品谱图库”BGI-BPSL(Blood Proteome Spectral Library),省却实际项目再次建库的时间和费用,让您的科研更加快速、高效、精准!
图3 不同谱图库蛋白质鉴定结果
还等什么,快抓紧送样
时间就是金钱,效率就是生命!
更多产品信息欢迎联络当地销售经理~
参考文献:
1. Liu Y, Buil A, Collins BC, et al. Quantitative variability of 342 plasma proteins in a human twin population. Mol Syst Biol. 2015;11(1):786. Published 2015 Feb 4. doi:10.15252/msb.20145728
2. Xu M, Deng J, Xu K, et al. In-depth serum proteomics reveals biomarkers of psoriasis severity and response to traditional Chinese medicine. Theranostics. 2019;9(9):2475‐2488. Published 2019 Apr 13. doi:10.7150/thno.31144
3. Geyer PE, Wewer Albrechtsen NJ, Tyanova S, et al. Proteomics reveals the effects of sustained weight loss on the human plasma proteome. Mol Syst Biol. 2016;12(12):901. Published 2016 Dec 22. doi:10.15252/msb.20167357
4. Zhang S, Raedschelders K, Venkatraman V, et al. A Dual Workflow to Improve the Proteomic Coverage in Plasma Using Data-Independent Acquisition-MS [published online ahead of print, 2020 Mar 30]. J Proteome Res. 2020;10.1021/acs.jproteome.9b00607. doi:10.1021/acs.jproteome.9b00607
5. Lin L, Zheng J, Yu Q, et al. High throughput and accurate serum proteome profiling by integrated sample preparation technology and single-run data independent mass spectrometry analysis. J Proteomics. 2018;174:9‐16. doi:10.1016/j.jprot.2017.12.014
6. Ludwig C, Gillet L, Rosenberger G, Amon S, Collins BC, Aebersold R. Data-independent acquisition-based SWATH-MS for quantitative proteomics: a tutorial. Mol Syst Biol. 2018;14(8):e8126. Published 2018 Aug 13. doi:10.15252/msb.20178126
7. Collins BC, Hunter CL, Liu Y, et al. Multi-laboratory assessment of reproducibility, qualitative and quantitative performance of SWATH-mass spectrometry. Nat Commun. 2017;8(1):291. Published 2017 Aug 21. doi:10.1038/s41467-017-00249-5
近期热文
请继续关注“华大科技BGITech”
科技君将持续为您提供精彩内容
如有问题,欢迎后台留言~~
▼
点击“在看”,让更多人看到