一种热蛋白质组学分析数据的归一化方法

doi:10.7503/cjcu20240286

摘要/Abstract

摘要：

建立了一种小分子靶标蛋白的鉴定方法, 即引入索引保留时间(Indexed retention time, iRT)肽段作为非标记热蛋白质组学(Thermal proteome profiling, TPP)分析定量归一化内标, 实现对小分子靶标的准确挖掘. 将iRT肽段加入到表征良好的模型药物甲氨蝶呤(Methotrexate, MTX)处理的293T细胞提取液中, 在不同温度加热处理时它们稳定存在, 因此可作为定量归一化的标准. 实验结果表明, 以iRT作为定量校正, 不仅对总蛋白含量有良好的校正效果, 同时对MTX的靶标蛋白二氢叶酸还原酶(Dihydrofolate reductase, DHFR)热熔解拟合曲线也有一定改善. 该方法简单方便、经济高效, 具有较强实用性和推广性, 为非标记TPP技术的实施及定量准确性提供了重要的实验依据.

关键词: 非标记定量蛋白质组学, 热蛋白质组学分析, 索引保留时间, 数据归一化

Abstract:

We developed a simple， cost-effective method with wide application for the accurate identification of small molecule target proteins， in which indexed retention time（iRT） peptides were adopted to be an internal standard for quantification normalization in label-free quantitative thermal proteome profiling（TPP） analysis. The iRT standard peptides were supplemented into the lysates of 293T cells treated by a well-characterized model drug methotrexate（MTX）. These peptides were quite stable during heating under different temperatures and it is reasonable to use them for quantification normalization. The results showed that iRT peptides used as an internal standard provided a good normalization effect on the global proteomes. Meanwhile， the melting curve of the target protein dihydrofolate reductase（DHFR） of MTX has been improved. This method provides an important experimental basis for the implementation and quantitative accuracy of label-free TPP techniques.

Key words: Label-free quantitative proteomics, Thermal proteome profiling, Indexed retention time, Data normalization

中图分类号:

O657

TrendMD:

甄雪妍, 周宝津, 刘静雯, 任艳. 一种热蛋白质组学分析数据的归一化方法. 高等学校化学学报, 2024, 45(12): 20240286.

ZHEN Xueyan, ZHOU Baojin, LIU Jingwen, REN Yan. A Data Normalization Method of Thermal Proteome Profiling. Chem. J. Chinese Universities, 2024, 45(12): 20240286.

图/表 4

Fig.1 Workflow of TPP coupled with iRT for target identification in 293T cell

Fig.2 Venn diagram showing the amount of proteins in control and MTX groups in two replicates(A) and retention time of iRT(B)

Fig.3 Proteome profiling with raw intensity(top) and LFQ intensity(bottom) in Maxquant software(A), sum intensity of iRT peptides with raw intensity(top) and LFQ intensity(bottom)(B), ratio profiling in the global proteome(top) and iRT peptides(bottom) using LFQ intensity(C), and ratio profiling in global proteome(top) and iRT peptides(bottom) using LFQ intensity normalized with iRT peptides(D)

Fig.4 Melting curve of dihydrofolate reductase（A） Raw intensity of DHFR；（B） raw intensity normalized with stable proteins；（C） raw intensity normalized with iRT；（D） LFQ intensity；（E） LFQ intensity normalized with stable proteins；（F） LFQ intensity normalized with iRT.

参考文献 30

1	Schurmann M.， Janning P.， Ziegler S.， Waldmann H.， Cell Chem. Biol.， 2016， 23（4）， 435—441
2	Frantzi M.， Latosinska A.， Mischak H.， Proteom. Clin. Appl.， 2019， 13（2）， e1800087
3	Mateus A.， Maatta T. A， Savitski M. M.， Proteome Sci.， 2016， 15，13
4	Franken H.， Mathieson T.， Childs D.， Sweetman G. M， Werner T.， Tögel I.， Doce C.， Gade S.， Bantscheff M.， Drewes G.， Reinhard F. B.， Huber W.， Savitski M. M.， Nat. Protoc.， 2015， 10， 1567—1593
5	Le Sueur C.， Hammaren H. M， Sridharan S.， Savitski M. M.， Curr. Opin. Chem. Biol.， 2022， 71， 102225
6	Savitski M. M.， Reinhard F. B.， Franken H.， Werner T.， Savitski M. F.， Eberhard D.， Martinez Molina D.， Jafari R.， Dovega R. B.， Klaeger S.， Kuster B.， Nordlund P.， Bantscheff M.， Drewes G.， Science， 2014， 346， 1255784
7	Rozanova S.， Barkovits K.， Nikolov M.， Schmidt C.， Urlaub H.， Marcus K.， Methods Mol. Biol.， 2021， 2228， 85—116
8	Pappireddi N.， Martin L.， Wühr M.， Chembiochem， 2019， 20（10）， 1210—1224
9	Aebersold R.， Mann M.， Nature， 2003， 422（6928）， 198—207
10	Shuken S. R.， J. Proteome Res.， 2023， 22（7）， 2151—2171
11	Liu Y.， Chang C.， Zhu Y. P.， Chin. J. Biotechnol.， 2022， 38（3）， 961—975
	刘祎，常乘，朱云平. 生物工程学报， 2022， 38（3）， 961—975
12	Du Z. K.， Shao W.， Qin W. J.， Chinese J. Chromatography， 2021， 39（3）， 211—218
	杜卓锟，邵伟，春伟捷. 色谱. 2021， 39（3）， 211—218
13	Hollebrands B.， Hageman J. A.， van de Sande J. W.， Albada B.， Janssen H. G.， Anal. Bioanal. Chem.， 2023， 415（14）， 2715—2726
14	Perez J. J.， Chen C. Y.， Anal. Bioanal. Chem.， 2019， 411（19）， 4701—4708
15	Escher C.， Reiter L.， MacLean B.， Ossola R.， Herzog F.， Chilton J.， MacCoss M. J.， Rinner O.， Proteomics， 2012， 12（8）， 1111—1121
16	Chen K.， Li C.， Li B.， J. China Pharm. Univ.， 2021， 52（4）， 422—430
	陈可，李翠翠，李博. 中国药科大学学报， 2021， 52（4）， 422—430
17	Cui M.， Cheng C.， Zhang L.， Lab. Invest.， 2022， 102（11）， 1170—1181
18	Zhao T.， Tian J.， Wang X.， Hao Y.， Xu M.， Zhao Y.， Liu X.， Chen Y.， Jia C.， Anal. Chem.， 2022， 94（18）， 6809—6818
19	Mateus A.， Kurzawa N.， Becher I.， Sridharan S.， Helm D.， Stein F.， Typas A.， Savitski M. M.， Mol. Syst. Biol.， 2020， 16（3）， e9232
20	McCracken N. A.， Liu H.， Runnebohm A. M.， Wijeratne HRS.， Wijeratne A. B.， Staschke K. A.， Mosley A. L.， Mol. Cell Proteomics， 2023， 22（9）， 100630
21	Figueroa⁃Navedo A. M. ， Ivanov A. R.， Cell Rep Methods， 2024， 4（2）， 100717
22	Ruan C.， Ning W.， Liu Z.， Zhang X.， Fang Z.， Li Y.， Dang Y.， Xue Y.， Ye M.， ACS Chem. Biol.， 2022， 17（1）， 252—262
23	Miettinen T. P.， Peltier J.， Härtlova A.， Gierliński M.， Jansen V. M.， Trost M.， Björklund M.， EMBO J.， 2018， 37（10）， e98359
24	Zhao S.， Wang Z.， Lin Z.， Wei G.， Wen X.， Li S.， Yang X.， Zhang Q.， Jing C.， Dai Y.， Guo J.， He Y.， Angew. Chem. Int. Ed. Engl.， 2022， 61（36）， e202204139
25	Rana S.， Dranchak P.， Dahlin J. L.， Lamy L.， Li W.， Oliphant E.， Shrimp J. H.， Rajacharya G. H.， Tharakan R.， Holland D. O.， Whitten A. S.， Wilson K. M.， Singh P. K.， Durum S. K.， Tao D.， Rai G.， Inglese J.， Cell Chem. Biol.， 2024， 31（2）， 221—233
26	Gaetani M.， Sabatier P.， Saei A. A.， Beusch C. M.， Yang Z.， Lundström S. L.， Zubarev R. A.， J. Proteome Res.， 2019， 18（11）， 4027—4037
27	Molina D. M.， Jafari R.， Ignatushchenko M.， Seki T.， Larsson E. A.， Dan C.， Sreekumar L.， Cao Y.， Nordlund P.， Science， 2013， 341（6141）， 84—87
28	Zhang W.， Li X.， Zhang X.， Dong Y.， Hu L.， Anal. Methods， 2021， 13（3）， 411—418
29	Shi Z.， Ren Y.， Li S.， Hao P.， Rapid Commun. Mass Spectrom.， 2024， 38（1）， e9673
30	Tornberg E.， Meat Sci.， 2005， 70（3）， 493—508

[1]	李嘉慧, 张剑, 严龙, 丰芸, 章家立, 刘永鑫, 杨绍明. 诺氟沙星印迹电化学传感器的制备及检测性能[J]. 高等学校化学学报, 2024, 45(12): 20240322.
[2]	李世宣, 蒙化, 尹学虎, 易锦飞, 马丽红, 张艳丽, 王红斌, 杨文荣, 庞鹏飞. 基于石墨烯/金纳米粒子/碳化钛复合材料构建双室酶生物燃料电池自供能葡萄糖生物传感器[J]. 高等学校化学学报, 2024, 45(12): 20240301.
[3]	李红雨, 张洪新. 新型稀土近红外荧光探针用于活体多重成像[J]. 高等学校化学学报, 2024, 45(12): 20240181.
[4]	梁繁繁韩丽蔡文生邵学广. 近红外光谱用于DMSO衍生物抗冻过程中水结构分析[J]. 高等学校化学学报, 0, (): 20240424.
[5]	毕英娜刘定斌. 基于内标法的表面增强拉曼光谱在定量分析中的应用[J]. 高等学校化学学报, 0, (): 20240457.
[6]	曹婷, 舒伟康, 万晶晶. 等离子体复合材料辅助小分子代谢物的质谱半定量分析及鉴定[J]. 高等学校化学学报, 2024, 45(11): 20240325.
[7]	张怡涵, 滑天宇, 侯士姣, 张洋洋, 殷丹, 姬向波, 张岩皓, 裴聪聪, 张书胜. 尖端Fe₂O₃纳米棒驱动的高性能质谱分析用于构建PM_2.5暴露鼠的代谢指纹图谱[J]. 高等学校化学学报, 2024, 45(11): 20240376.
[8]	张磊, 申华莉. 标志物研究中常用蛋白组学质谱方法的定量准确性评估[J]. 高等学校化学学报, 2024, 45(11): 20240311.
[9]	沈枫林, 冯兆莹, 方静, 张磊, 刘晓慧, 周新文. 基于质谱的单细胞分辨的空间蛋白质组学新技术研究[J]. 高等学校化学学报, 2024, 45(11): 20240299.
[10]	霍志远, 周金萍, 马秀敏, 周严, 黄琳. 基于质谱的单细胞多组学分析技术研究进展[J]. 高等学校化学学报, 2024, 45(11): 20240389.
[11]	续红妹, 王梁臣, 闵乾昊. 面向小分子检测的MALDI MS基质研究进展[J]. 高等学校化学学报, 2024, 45(11): 20240285.
[12]	黄玉滢, 于成鲲, 刘斯奇, 任艳. 利用无标记单细胞蛋白质组学方法构建小鼠外周血单个核细胞的细胞图谱[J]. 高等学校化学学报, 2024, 45(11): 20240355.
[13]	刘思盈, 粟雯, 周仲燕, 杨治渝, 裴华夫, 何芷茹, 王娜, 岳磊. 温度控制的泛素/三磷酸腺苷相互作用的电喷雾质谱研究[J]. 高等学校化学学报, 2024, 45(11): 20240382.
[14]	靳莹, 张俊杰, 张毅欣, 袁悦, 韩珍珍. 外泌体分离和蛋白质组学分析的研究进展[J]. 高等学校化学学报, 2024, 45(11): 20240305.
[15]	胡宇虹, 俞相明, 宋丽丽, 邢清和, 周峰. DEEP SEQ方法检测新生儿毛干蛋白质组动态变化[J]. 高等学校化学学报, 2024, 45(11): 20240326.