Enhancing tandem MS sensitivity and peptide identification via ion pre-accumulation in an Orbitrap mass spectrometer
Notice bibliographique
Résumé
Abstract High-throughput mass spectrometry-based proteomics has gained increasing interest for both academic and industrial applications. As implementation of faster gradients has facilitated higher sample throughput, mass spectrometers must adapt to shorter analysis times by enhancing scanning speed and sensitivity. For Orbitrap™ mass spectrometers, faster scan rates are constrained by the need for sufficient ion accumulation time, particularly given limitations on duty cycle at high repetition rate, and transient length, which determines analyzer sensitivity and resolving power. In this context, implementing alternative ion scheduling and better ion signal-processing strategies are needed to unleash the speed of these instruments. Here, we introduce a new scanning strategy termed pre-accumulation, which enables the storage of ions in the bent flatapole in parallel to the operation of the C-trap/IRM, leading to a significant improvement in ion beam utilization and enabling for the first time scanning speeds of >70 Hz on hybrid Orbitrap instruments. The combination of pre-accumulation and increased scan speeds notably enhances peptide and protein group identifications for short LC gradients and improves sensitivity for high-throughput applications. These benefits were further amplified when coupled with the full mass range phase-constrained spectrum deconvolution method (ΦSDM), especially for fast, lower-resolving Orbitrap measurements used with short LC gradients. Overall, we demonstrate that pre-accumulation of ions in the bent flatapole offers distinct advantages, particularly for conditions with reduced signal input. Since no hardware changes are required, this approach is highly attractive for Orbitrap mass spectrometers operated with fast MS/MS acquisition methods.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».