Optimization of High Field Asymmetric Waveform Ion Mobility Spectrometry to enhance the comprehensiveness of mass spectrometry-based proteomic analyses
Notice bibliographique
Résumé
La grande complexité des échantillons biologiques peut compliquer l'identification des protéines et compromettre la profondeur et la couverture des analyses protéomiques utilisant la spectrométrie de masse. Des techniques de séparation permettant d’améliorer l’efficacité et la sélectivité des analyses LC-MS/MS peuvent être employées pour surmonter ces limitations. La spectrométrie de mobilité ionique différentielle, utilisant un champ électrique élevé en forme d'onde asymétrique (FAIMS), a montré des avantages significatifs dans l’amélioration de la transmission d'ions peptidiques à charges multiples, et ce, en réduisant les ions interférents. Dans ce contexte, l'objectif de cette thèse était d'explorer les capacités analytiques de FAIMS afin d'élargir à la fois la gamme dynamique de détection des protéines/peptides et la précision des mesures en protéomique quantitative par spectrométrie de masse. Pour cela, nous avons systématiquement intégré FAIMS dans des approches classiques en protéomique afin de déterminer les changements dynamiques du protéome humain en réponse à l’hyperthermie. Nous avons d’abord étudié les avantages de FAIMS par rapport à la quantification par marquage isobare (tandem mass tag, TMT). Cette approche permet le marquage d'ions peptidiques avec différents groupements chimiques dont les masses nominales sont identiques mais différant par leur distribution respective d'isotopes stables. Les ions peptidiques marqués par TMT produisent des ions rapporteurs de masses distinctes une fois fragmentés en MS/MS. Malheureusement, la co-sélection d'ions précurseurs conduit souvent à des spectres MS/MS chimériques et une approche plus lente basée sur le MS3 est nécessaire pour une quantification précise. Comme FAIMS améliore l’efficacité de séparation en transmettant sélectivement des ions en fonction de leur voltage de compensation (CV), nous avons obtenu moins de co-sélection de peptides. FAIMS a amélioré la quantification des peptides TMT au niveau MS2 et a permis d’obtenir 68% plus de peptides quantifiés par rapport aux analyses LC-MS/MS classiques, fournissant ainsi un aperçu plus vaste des changements dynamiques du protéome humain en réponse au stress thermique. De plus, nous avons étudié le marquage métabolique par incorporation d’acides aminés marqués par des isotopes stables en culture cellulaire (SILAC). Si des interférences co-éluent avec les isotopes SILAC, la quantification devient imprécise et les contreparties de SILAC peuvent être assignées de manière erronée aux ions interférants du chromatogramme, faussant ainsi le rapport SILAC. Le fractionnement post-ionisation FAIMS pourrait filtrer les ions appartenant au bruit de fond qui pourraient autrement être attribués à une paire ou à un triplet SILAC pour la quantification. Dans ce projet, FAIMS a été particulièrement bénéfique pour les espèces peu abondantes et s’est montré plus performant que le fractionnement par échange de cations (SCX). En outre, FAIMS a permis la séparation des phosphoisomères fréquemment observés dans les extraits complexes de phosphoprotéomes. Le troisième objectif de ce travail de recherche était d'explorer la séparation de l'état de charge et la transmission améliorée de peptides fortement chargés avec FAIMS et son application à l'analyse de peptides SUMOylés. FAIMS pourrait ainsi améliorer la transmission des peptides SUMOylés triplement chargés par rapport aux peptides tryptiques usuels, lesquels sont principalement doublement chargés. Ceci permettait l'enrichissement en phase gazeuse des ions peptides SUMOylés. FAIMS est une approche alternative plus simple pour fractionner les peptides SUMOylés, ce qui réduit les pertes d’échantillon et permet de simplifier le traitement des échantillons, tout en augmentant l’efficacité de séparation de manière plus automatisée et en ajoutant un ordre de grandeur de sensibilité. Le dernier objectif de cette thèse était d’améliorer l’instrumentation de FAIMS en le jumelant aux instruments à la fine pointe de la technologie. Avec un nouveau dispositif FAIMS, développé par nos collaborateurs chez Thermo Fisher Scientific, nous avons montré une amélioration dans la robustesse et la transmission des ions pour la nouvelle interface. Dans des expériences simples en protéomique shotgun, FAIMS a étendu la gamme dynamique d'un ordre de grandeur pour une couverture protéomique plus profonde par rapport aux analyses LC-MS/MS classiques. En outre, le fractionnement en phase gazeuse de FAIMS a généré moins d’analyses chimériques en MS2, ce qui a permis d’obtenir plus d’identifications et une meilleure quantification. Pour ce faire, nous avons directement comparé le LC-FAIMS-MS/MS au LC-MS/MS/MS en utilisant la sélection de précurseur synchrone (SPS) avec et sans fractionnement en phase inverse basique. Des mesures quantitatives comparables ont été obtenues pour toutes les méthodes, à l'exception du fait que FAIMS a parmi d’obtenir un nombre 2,5 fois plus grand de peptides quantifiables par rapport aux expériences sans FAIMS. Globalement, cette thèse met en évidence certains des avantages que FAIMS peut offrir aux expériences en protéomique en améliorant à la fois l'identification et la quantification des peptides.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».