《microLife》:Less missing values – evaluation of proteomics workflows for the quantification of (small) proteins
编辑推荐:
本研究针对小蛋白(≤100个氨基酸)在蛋白质组学定量分析中易丢失、检测灵敏度低的技术难题,系统评估了样品预处理(固相萃取富集)与质谱数据处理策略(序列数据库搜索、实验光谱库和预测光谱库)的性能。结果表明,小蛋白富集结合实验光谱库(ExSpLib)可显著提高艰难梭菌中小蛋白的鉴定数量(覆盖预测小蛋白组的61.4%)和定量稳健性,并成功将定量检测限降低至50 pg/μg总蛋白。该研究为深入揭示小蛋白在病原菌生理功能及致病机制中的作用提供了关键技术支撑。
在生命科学领域,蛋白质组学技术已成为解析生物过程的关键工具。然而,对长度不超过100个氨基酸的小蛋白进行精准定量仍面临巨大挑战。这类蛋白在样品制备过程中易丢失,在质谱分析时易被高丰度大蛋白信号掩盖,导致其在常规蛋白质组学研究中被严重低估。实际上,小蛋白常参与代谢调控、信号传导、毒力表达等关键生理过程,其定量信息的缺失极大限制了对病原菌致病机制的全面理解。以艰难梭菌(Clostridioides difficile)为例,作为抗生素相关性腹泻的主要病原体,其高复发率和多重耐药性问题日益严峻,但仍有约58%的预测小蛋白缺乏翻译证据。因此,开发高效的小蛋白定量方法对揭示其生物学功能具有重要意义。
为解决上述问题,研究人员在《microLife》发表论文,系统比较了不同样品前处理和数据解析策略对小蛋白(特别是艰难梭菌小蛋白)鉴定与定量的影响。研究通过结合固相萃取富集技术与多种光谱库搜索算法,建立了一套优化的蛋白质组学工作流程,显著提升了小蛋白的检测灵敏度与定量可靠性。
研究采用的关键技术方法包括:1)利用固相萃取对细菌总蛋白中的小蛋白组分进行富集;2)通过液相色谱-串联质谱(LC-MS/MS)进行数据依赖性采集(DDA)和数据非依赖性采集(DIA);3)分别采用序列数据库搜索、实验光谱库(ExSpLib)和机器学习预测光谱库(MaLeSpLib)进行肽段鉴定;4)使用MaxLFQ算法进行无标记定量分析。
样品富集对小蛋白定量的重要性
研究发现,尽管小蛋白富集会降低总蛋白鉴定数量,但能特异性提高26种小蛋白的检出率,这些蛋白在总蛋白样品中无法被检测。虽然富集并未显著提升整体小蛋白的定量率,但能有效降低检测限,使低丰度小蛋白在复杂背景中得以定量。
不同蛋白鉴定策略的比较
在三种数据处理策略中,预测光谱库(MaLeSpLib)鉴定出的蛋白数量最多,但其定量性能较差(仅34.2%的鉴定蛋白可被定量),主要由于预测谱图质量差异导致肽段识别缺失值较高。实验光谱库(ExSpLib)在鉴定数量和定量稳健性间取得最佳平衡,其小蛋白定量率达到75.3%,显著优于序列数据库(66.3%)。融合光谱库(合并ExSpLib和MaLeSpLib)的表现接近ExSpLib,说明定量性能下降并非完全由搜索空间扩大引起。
小蛋白定量检测限分析
通过向艰难梭菌蛋白样品中外源添加不同浓度(0.5–500 pg/μg)的六种卤菌小蛋白,评估各方法的检测灵敏度。结果表明,小蛋白富集结合ExSpLib搜索能将定量检测限降低至50 pg/μg,且定量值与浓度间呈现良好线性关系(R2> 0.85)。DIA模式进一步提高了小蛋白的可定量数量。
艰难梭菌(小)蛋白质组的扩展
本研究共鉴定到3202种艰难梭菌蛋白,覆盖其预测蛋白质组的84.7%,其中215种为小蛋白(占预测小蛋白组的61.4%),是目前该病原体最全面的蛋白质数据库。通过ExSpLib数据分析,1459种蛋白被稳健定量,其中363种在不同培养基(BHI vs CDMM)或生长时期(指数期 vs 稳定期)呈现差异表达。功能分析显示,这些蛋白主要涉及能量代谢、翻译过程及氨基酸转运。研究首次为639种蛋白(含82种小蛋白)提供翻译证据,并发现5种小蛋白(如核糖体蛋白RpsS、Sec易位酶SecE等)的表达受生长阶段或营养条件调控。
研究结论强调,小蛋白富集与实验光谱库的结合可显著提升小蛋白定量的灵敏度与可靠性,为系统研究小蛋白在病原菌适应性与致病性中的作用奠定方法学基础。尽管预测光谱库在肽段鉴定范围方面具有优势,但其在定量应用中的局限性提示需进一步优化谱图预测算法。该工作流程的建立不仅推动了对艰难梭菌小蛋白功能的探索,也为其他原核生物中小蛋白的高通量定量分析提供了重要参考。