Enhanced Identifications and Quantification Through Retention Time Down-Sampling in Fast-Cycling Diagonal-PASEF Methods
Notice bibliographique
Résumé
Data-independent acquisition (DIA) mass spectrometry is essential for comprehensive quantification of proteomes, enabling deeper insights into cellular processes and disease mechanisms. On the timsTOF platform, diagonal-PASEF acquisition methods have recently been introduced to directly and continuously cover the observed diagonal shape of the peptide precursor ion distributions. Diagonal-PASEF has already shown great promise, and its adaptation as a routine workflow can be further pushed with improved method development as well as enhanced algorithmic solutions. Here, we conducted a systematic and comprehensive optimization of diagonal-PASEF for 17-min gradients on the timsTOF HT in conjunction with Spectronaut. We demonstrate that Spectronaut fully supports all tested diagonal-PASEF methods independent of the number of slices or overlaps and with minimal user intervention required. We derive an optimized analysis strategy where we coupled diagonal-PASEF acquisitions to retention time down-sampling by summation (RTsum) and thereby exploit the fast-cycling nature of diagonal-PASEF methods. Through the combination of RTsum with diagonal-PASEF, we demonstrate that this strategy yields higher signal-to-noise ratios while retaining the peak shape for analytes of interest ultimately improving overall number of peptide and protein identifications of diagonal-PASEF. Importantly, combining RTsum with diagonal-PASEF improved overall identifications and quantitative precision when compared to dia-PASEF with variable quadrupole isolation widths and across different input amounts for cell line injections. We also tested the performance of diagonal-PASEF in controlled quantitative experiments where diagonal-PASEF outperformed dia-PASEF in the overall number of retained candidates below 1% or 5% error-rate, quantitative precision, and identifications on peptide level and protein level. These data indicate that RTsum demonstrates a positive use case of the high sampling rate of diagonal-PASEF and might therefore be a valuable addition to existing analysis pipelines. Collectively, our findings imply that diagonal-PASEF is developing into a competitive alternative to dia-PASEF and that the data analysis options are making fast progress.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».