Assessing fecal metaproteomics workflow and small protein recovery using DDA and DIA PASEF mass spectrometry
Notice bibliographique
Résumé
Abstract Aim This study aims to evaluate the impact of experimental workflow on fecal metaproteomic observations, including the recovery of small and antimicrobial proteins often overlooked in metaproteomic studies. The overarching goal is to provide guidance for optimized metaproteomic experimental design, considering the emerging significance of the gut microbiome in human health, disease, and therapeutic interventions. Methods Mouse feces were utilized as the experimental model. Fecal sample pre-processing methods (differential centrifugation and non-differential centrifugation), protein digestion techniques (in-solution and filter-aided), data acquisition modes (data-dependent and data-independent, or DDA and DIA) when combined with parallel accumulation-serial fragmentation (PASEF), and different bioinformatic workflows were assessed. Results We showed that, in DIA-PASEF metaproteomics, the library-free search using protein sequence database generated from DDA-PASEF data achieved better identifications than using the generated spectral library. Compared to DDA, DIA-PASEF identified more microbial peptides, quantified more proteins with less missing values, and recovered more small antimicrobial proteins. We didn’t observe obvious impacts of protein digestion methods on both taxonomic and functional profiles. However, differential centrifugation decreased the recovery of small and antimicrobial proteins, biased the taxonomic observation with a marked over-estimation of Muribaculum species, and altered the measured functional compositions of metaproteome. Conclusion This study underscores the critical impact of experimental choices on metaproteomic outcomes and sheds light on the potential biases introduced at different stages of the workflow. The comprehensive methodological comparisons serve as a valuable guide for researchers aiming to enhance the accuracy and completeness of metaproteomic analyses.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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) | 0,002 | 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 ».