数据采集分析系统

HDX-MS是一种基于蛋白质主链酰胺氢原子与氘水中氘原子交换而获取有关蛋白质高阶结构和动态信息的方法。该技术可以帮助研究蛋白质折叠机制、发现配体结合位点、突出变构效应，在生物医药行业中发挥重要作用。尽管HDX-MS在蛋白质分析中频繁使用，但它通常无法进行高通量分析，且受限于大于150 kDa蛋白的分析。此外，HDX-MS生成复杂的同位素峰型常伴有谱图重叠现象，导致氘代值被错误计算。随着样品复杂性的增加，这一问题会更加加剧。目前，数据处理的方法涉及到手动检查原始数据以筛选谱图，并丢弃有任何信号问题的肽段图谱。然而这种方法随着样品分子量和复杂程度的增加变得难以执行，且容易受到人为错误的干扰（图1）。因此迫切需要一种可以消除手动筛选数据的负担，同时能够兼容更复杂的谱图（来自复杂混合物或整个细胞裂解液样品的谱图）。本文作者使用了一种自动化HDX数据分析的方法，利用data independent acquisition（DIA）采集方法同时从MS1和MS2领域获取氘代数据，并开发了AutoHX软件来挖掘和分析HDX数据。图1.传统HDX-MS数据采集与分析流程和本文使用的数据采集和分析流程比较。针对使用HDX-MS时，碰撞诱导解离（CID）碎裂模式产生的肽段碎片会伴随着气相中的氘重组现象（即scrambling现象），会影响残基水平氘代值的准确测量这一问题，作者定量研究了HDX-MS2数据的特性。作者发现，scrambling与离子传输和碎裂能量有关，且在高传输效率的条件下scrambling较严重，因此首先使用较为温和的离子传输参数和碎裂能量能够降低scrambling程度。随后作者建立了可描述碎片氘代值与该肽段可碎裂位点数量之间的线性关系（图2）。随着碎片离子长度的增加，相应的碎片离子氘代值会线性增加，因此通过回归计算可以计算出整个肽段的氘代率。这种方法不仅利用了CID产生的碎片信息，同时更为准确的计算出肽段的氘代值，排除了肽段谱图重叠对计算氘代值的干扰。图2.在一条给定肽段中，HD scrambling中，氘代值与碎片长度的关系。接着作者提出使用DIA方法来获取HX-MS2实验中MS1和MS2域的氘化数据，以实现在不同质谱平台采集数据、采集复杂样品的信息、分析自动化数据，且使得通过CID产生的MS2中提取肽段氘代值成为可能。首先作者设置了尽可能小的DIA窗口，并使用了较大的窗口重叠区域，以最小化MS2谱图的复杂性并确保每条氘代肽段至少有一个窗口（图3）。同时，作者开发了一个名为AutoHX的软件（作为Mass Spec Studio中的插件），该软件自动选择理想的DIA窗口，并从MS1数据计算前体肽段的氘代值，以及从MS2数据计算所有碎片的氘代值。同时改进了HX-PIPE（为HDX-MS量身定制的搜索引擎），使其搜库结果直接应用于AutoHX的分析。随后AutoHX使用了一系列过滤器来从数据集中解析低质量信号，然后使用基于RANSAC的谱图分析器，为所有肽段及其碎片匹配最佳同位素集合，并绘制动力学曲线图。该方法显著提高了肽段序列覆盖的冗余度（图4），从而提高了测量质量。图3. DIA窗口设计示意。图4. 基于DIA采集模式得到的序列覆盖（糖原磷酸化酶B，phosphorylase B）与基于传统HDX-MS中MS1采集模式的结果比对。接着，软件会通过MS1和MS2数据收集到的肽段前体离子和肽段碎片离子的信息，计算出相应的氘代值，同时将所有重复组计算出的氘化值集合成一个分布（通常为正态分布）,并从该正态分布中，选择最接近平均值的组合，即为精确的氘代值，利用每个时间点的氘代值生成HDX动力学曲线（图5）。作者将手动筛选检查的数据与自动分析法获得的氘代数据进行了比对，结果具有一致性，验证了自动化方法的准确性和可靠性（图6）。同时在做同一样本不同状态HDX比较实验时，AutoHX可以生成氘代差异的显著性差异分析图（Woods plot）（图7），用于比较不同状态下的蛋白结构和构象差异。图5. 氘代曲线的组合方式。图6.手动MS1数据分析和AutoHX自动计算的氘代率对比。图7.氘代差异分析流程示意图。最后作者用两个蛋白体系验证了该方法的实用性和可靠性。第一个体系为DNA聚合酶ϴ （Pol ϴ ）与其抗生素药物novobiocin结合的结构变化。通过比较手动处理与自动化处理的数据，作者发现生成的氘代差异图结果相似，提示该方法具有较好的准确性，并能够定位结合带来的氘代上升和下降区域（图8）。第二个体系是DNA依赖性蛋白激酶（DNA-PKcs）与选择性抑制剂AZD7648的结合。使用AutoHX软件处理了六个HDX-MS实验的数据，快速生成了Woods图，发现大部分可检测到的稳定性增加集中在FAT和激酶结构域（图9b），还包括药物结合位点的铰链环区域（图9c），揭示了药物结合位点及其引起的动态性变化。这部分研究结果展示了自动化数据分析在药物结合研究中的有效性，特别是在分析大型蛋白质复合物和难以纯化的蛋白质时，为药物开发和疾病治疗提供了有价值的信息。图8.手动处理与自动处理的Pol ϴ 与novobiocin-bound Pol ϴ 的HDX数据作差对比。图9. DNA-PKcs+AZD7648的自动化HDX分析流程结果。总的来说，该研究开发了AutoHX软件，通过自动化数据分析和基于DIA的HX-MS2工作流程，显著提高了氢/氘交换质谱技术在蛋白质结构和药物结合分析中的效率与应用范围，使得这一领域技术更加易于使用并可供更广泛的科研社区应用。该工作的亮点，从实验设计上：考虑到了目前HDX-MS流程——数据采集、数据分析——中存在的瓶颈与局限。从方法学考察层面：方法验证科学严谨、周到。从技术上：大大降低了人工处理HDX-MS数据的成本，提高了检测能力，有提高检测通量的潜力。从科学思维上：利用了scrambling的规律，将普遍的问题转化成了机遇。HX-DIA提供了一个概念上的转变，降低了该技术的使用门槛，使该技术“平民化”。本文发表在Nat. Commun.上，题目为“Automating data analysis for hydrogen/deuterium exchange mass spectrometry using data-independent acquisition methodology”，作者是加拿大卡尔加里大学的David C. Schriemer。

大家好，本周为大家分享一篇发表在Nature communications上的文章，FLASHIda enables intelligent data acquisition for top–down proteomics to boost proteoform identification counts [1]，文章的通讯作者是德国图宾根大学的Oliver Kohlbacher教授。自上而下蛋白质组学(TDP)能够对完整的proteoform进行全面和深入的分析，目前已广泛应用于生物医学研究领域。proteoform在不同的生物系统中具有高度异质性，proteoform水平的信息可以为了解生物生化功能或疾病表型提供重要的信息。近年来，随着TDP样品处理方法、分离技术、碎裂技术和生物信息学方法的进步，proteoform变得更容易被检测和表征。在复杂样本的大规模研究，如微生物或人类细胞裂解液中，proteoform的鉴定数量已达到4000-6000(对应500-1000个蛋白质)。在单次TDP实验中，在大肠杆菌裂解液中可以鉴定出约800种proteoform，在人脑样本中可以鉴定出约1800种proteoform。由于proteoform的多样性和复杂性，完整蛋白质的DDA采集是非常重要的。然而目前的仪器软件在DDA采集中实施的碎裂技术优化主要针对自下而上蛋白质组学(BUP)，而不是TDP。尽管这些方案在BUP研究中有效地捕获了各种高质量的肽段离子，但这些选择标准对于TDP中的proteoform离子选择并不是最优的。与BUP中的肽段离子相比，单个proteoform由于其高质量和高电荷会产生许多峰，Top-N采集往往会导致从一个丰度较高的proteoform中选择多个峰，而不是从多个不同的proteoform中进行选择，这会导致proteoform的覆盖率较低。此外，基于强度进行选择可能不会选到能产生多种独特片段的高质量前体。目前，大多数大规模TDP研究使用具有特定调优参数的DDA采集，例如，Top-N采用相对较低的N值(3-5)和相对较高的隔离窗口(1.2-15 Th，超宽隔离)。然而对所选前体离子的分析表明，对proteoform的选择依然不理想。因此，采用更智能的数据采集方式(Intelligent data acquisition，IDAs)是非常有必要的。本文中作者提出了一种用于TDP的基于机器学习的智能在线数据采集算法FLASHIda，该算法可以确保实时选择不同proteoform的高质量前体，最大化TDP中的proteoform覆盖。FLASHIda通过iAPI与tribrid Thermo Scientific质谱仪连接，允许对MS数据进行实时访问。在LC-MS运行期间，将实时去卷积算法和评估前体同位素质量的机器学习技术结合，非冗余选择高质量前体离子,从而提高蛋白质的覆盖率。FLASHIda流程如图1所示，该算法能在20毫秒内处理每个MS全扫描，并优化下一个采集周期，以最大限度地提高采集中的异型多样性。FLASHIda包括以下3个关键步骤，第一步是将输入的m/z-强度谱转换为mass-quality谱图，第二步是在转换谱图中选择前体离子，最大化唯一识别的proteoform离子数量，最后，动态确定每个选定质量的电荷态和隔离窗口大小，以尽量减少噪声或共洗脱的干扰。确定的隔离窗口m/z范围通过Thermo iAPI连接提供给仪器。　　图1.FLASHIda总览　　在对大肠杆菌裂解液的分析中，与标准DDA模式相比，FLASHIda在三分之一的仪器时间内将proteoform鉴定数量从800增加到1500，或产生几乎相同的鉴定数量。此外，FLASHIda能够灵敏地绘制翻译后修饰和检测化学加合物。作为仪器的软件扩展模块，FLASHIda可以方便地用于复杂样品的TDP研究，以提高proteoform的鉴定率。　　图2. Proteoform分析　　这项研究展示了IDA在TDP研究中的应用，目前作者依然在开发该算法的不同变体，用于靶向proteoform分析，深度表征，甚至从头测序。此外，由于FLASHIda能够选择无干扰的前体离子，因此它可以用于提高proteoform定量准确性。作者预计，未来在FLASHIda内开发的高级数据采集方法将有助于通过TDP探索proteoform的异质性。　　撰稿：张颖编辑：李惠琳　　原文：FLASHIda enables intelligent data acquisition for top–down proteomics to boost proteoform identification counts　　李惠琳课题组网址www.x-mol.com/groups/li_huilin 　　参考文献　　Jeong K, Babović M, Gorshkov V, Kim J, Jensen ON, Kohlbacher O. FLASHIda enables intelligent data acquisition for top-down proteomics to boost proteoform identification counts. Nat Commun. 2022 Jul 29 13(1):4407.

对于实验室或检测机构，仪器设备是所有业务开展的基础，数据则是核心命脉，而传统的仪器设备原始数据收集方式，效率低耗时长、操作流程不规范、不易保存与查找、错误率高、易篡改等成了制约检测机构持续高速发展的瓶颈和弊端，这严重影响了实验数据的质量和实验室工作效率。 为适应当今的实验室数据化应用与分析，青软青之提供了King’s SDMS 仪器数据采集及科学数据管理系统，旨在满足检测领域对仪器设备数据自动采集和应用的全方位需求。系统通过构建智能数据解析服务中心，让各类仪器设备数据协议的繁杂简单化、标准化，为数据使用方提供规范的统一的目标数据，让整个数据采集过程更便捷、更高效、更准确、更安全。 从大量数据到大数据 检测数据是检测机构的血液，如何做到对实验得到的大量过程、结果数据高效的收集、分析、存储，从而形成统一的、结构化的数据以便使用呢？又如何让这个过程变得自动、便捷、可靠呢？King’s SDMS 仪器数据采集及科学数据管理系统的应用在以下方面得到了切实提升： 1、采集实验室设备生产过程中产生的各类数据，如：可读文件、数据库等，也包括可交互的通讯接口数据，如：串口(RS-232)、网口（TCP-IP）等。 2、提升检测数据准确性：确保分析任务符合质量规范，并通过系统自动采集仪器输出数据，以避免人为因素对数据的影响，保证了数据的真实性，提高了数据的准确性和可靠性。 3、全流程可追溯：实验数据在自动采集系统中得到全程记录和存储（含检测项目、检测结果，仪器名称、使用时间，使用人等信息），最终生成快捷，真实，完整的原始数据，为检测报告提供可追溯依据。 4、为分散的数据收集点，系统提供统一数据采集接入接口，全面覆盖所有数据源，解决了需要采集多种数据源时依赖多个平台或者工具来完成数据分散的挑战。 5、格式化收集到的原始数据，为LIMS或第三方提供查询服务。数据格式根据实验类型不同，大致可分为，实验数据、标物数据、称量数据等。 实验室设备现状及解决办法 纵观检测行业，仪器设备数量之多、种类之繁，即使是针对同一项目进行检测的仪器设备，由于制造商的不同所输出的数据也千差万别，如此造就了仪器设备数据采集实施难度加大、费用居高不下的局面。为此，King’s SDMS 仪器数据采集及科学数据管理系统提供多种采集方式支持，以满足不同仪器的数据采集需求。 Ø 文档型采集 支持word、excel、pdf、TXT、CSV等任何可读文件。 Ø 串口型采集 支持RS232、485、422等。 Ø 网络API采集 通过调用设备厂商提供的API接口，从设备上直接获取数据并实现自动化采集和存储，支持Restfull Api、webser-vice、RPC等。 Ø 设备直采 直接从设备获取数据，可定制与设备直接通讯，主动采集数据。 Ø 设备主动推送 系统提供身份认证和数据接收接口后三方设备可主动推送数据，无需人工干预，实现数据同步和更新。 King’s SDMS 仪器数据采集及科学数据管理系统具有完备的数据及业务交互功能，可独立运行也可与LIMS、ELN等现有业务系统，以及其他第三方行业专业系统灵活整合。大幅提高工作效率和质量，可轻松完成集团型及多实验室联合运营场景运营支撑。