基于气相分级窄窗口数据非依赖采集技术（GPF-DIA）指导三重四极杆质谱靶向蛋白质组学方法开发的研究

本研究针对靶向蛋白质组学方法开发中肽段筛选的预测难题，通过气相分级窄窗口数据非依赖采集技术（GPF-DIA）获取基质特异性肽段检测数据，成功构建了阿尔茨海默病脑脊液（CSF）蛋白质的SRM（选择反应监测）检测方法，验证了DIA数据指导肽段选择的可行性，为靶向蛋白质组学提供了无需额外预实验的高效开发策略。

　　

在蛋白质组学研究领域，靶向蛋白质组学方法如选择反应监测（Selected Reaction Monitoring, SRM）因其高灵敏度和特异性成为定量分析目标蛋白的重要手段。然而，传统方法依赖预先设定的生化特性或半随机采样数据，往往难以准确预测复杂生物基质（如脑脊液）中肽段的质谱响应，导致方法开发周期长、成本高昂。这一瓶颈促使研究者探索更高效的肽段筛选策略。

为解决这一问题，研究人员利用气相分级（Gas-phase Fractionated, GPF）窄窗口数据非依赖采集（Data Independent Acquisition, DIA）技术，通过系统性扫描质谱信号，获取脑脊液样本中肽段的基质特异性检测数据。研究以98种阿尔茨海默病相关蛋白为靶标，从GPF-DIA数据中筛选信号强度高、重现性好的肽段作为代理指标，成功构建了SRM检测方法。结果显示，新方法定量精度与已发表数据相当，且无需额外预实验即可开发新检测体系。该成果发表于《Journal of Proteome Research》，为靶向蛋白质组学提供了可推广的高效开发流程。

关键技术方法包括：1）气相分级窄窗口DIA技术（GPF-DIA）用于脑脊液样本的肽段信号采集；2）基于信号强度和重现性的肽段筛选；3）三重四极杆质谱（Triple Quadrupole Mass Spectrometer）验证SRM方法的定量性能。

研究结果
肽段筛选与SRM方法构建
通过GPF-DIA分析脑脊液样本，筛选出98种目标蛋白的代表性肽段，其选择标准包括信号强度阈值和跨实验批次的重现性（CV<20%）。相较于传统依赖预测工具的方法，DIA数据直接反映实际样本中的肽段行为。

方法验证与定量性能
构建的SRM方法对阿尔茨海默病相关蛋白的定量变异系数（CV）中位数为12.5%，与文献报道的同类方法（CV 10-15%）相当。值得注意的是，尽管部分肽段与既往研究不同，但定量结果一致性证实了DIA指导策略的可靠性。

跨应用拓展性
同一DIA数据集被用于开发另一组无关蛋白的SRM检测，进一步验证了该流程的普适性，显著减少方法开发中的重复实验需求。

结论与意义
本研究首次系统评估了GPF-DIA数据在SRM方法开发中的指导价值，其核心创新在于利用基质特异性信号直接筛选肽段，规避了传统预测模型的不确定性。这一策略不仅缩短了方法开发周期，还为低丰度蛋白检测提供了新思路。此外，研究证实了DIA数据的可复用性，为多目标蛋白质组学研究提供了资源节约型解决方案，对疾病标志物发现和临床蛋白质组学具有重要推动作用。