Trapped Ion Mobility Spectrometry Reduces Spectral Complexity in Mass Spectrometry Based Workflow
Notice bibliographique
Résumé
Abstract In bottom-up mass spectrometry based proteomics, deep proteome coverage is limited by high cofragmentation rates. This occurs when more than one analyte is isolated by the quadrupole and the subsequent fragmentation event produces fragment ions of heterogeneous origin. One strategy to reduce cofragmentation rates is through effective peptide separation techniques such as chromatographic separation and, the more recently popularized, ion mobility (IM) spectrometry which separates peptides by their collisional cross section. Here we investigate the capability of the Trapped Ion Mobility Spectrometry (TIMS) device to effectively separate peptide ions and quantify the separation power of the TIMS device in the context of a Parallel Accumulation-Serial Fragmentation (PASEF) workflow. We found that TIMS IM separation increases the number of interference-free MS1 features 9.2-fold, while decreasing the average peptide density in precursor spectra 6.5 fold. In a Data Dependent Acquisition (DDA) PASEF workflow, IM separation increased the number of spectra without cofragmentation by a factor of 4.1 and the number of high quality spectra 17-fold. This observed decrease in spectral complexity results in a substantial increase in peptide identification rates when using our data-driven model. In the context of a Data Independent Acquisition (DIA), the reduction in spectral complexity resulting from IM separation is estimated to be equivalent to a 4-fold decrease in isolation window width (from 25Da to 6.5Da). Our study shows that TIMS IM separation dramatically reduces cofragmentation rates leading to an increase in peptide identification rates.
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 | 0,004 |
| 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 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».