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 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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| 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 ».