Optimization of High Field Asymmetric Waveform Ion Mobility Spectrometry to enhance the comprehensiveness of mass spectrometry-based proteomic analyses
Bibliographic record
Abstract
La grande complexité des échantillons biologiques peut compliquer l'identification des protéines et compromettre la profondeur et la couverture des analyses protéomiques utilisant la spectrométrie de masse. Des techniques de séparation permettant d’améliorer l’efficacité et la sélectivité des analyses LC-MS/MS peuvent être employées pour surmonter ces limitations. La spectrométrie de mobilité ionique différentielle, utilisant un champ électrique élevé en forme d'onde asymétrique (FAIMS), a montré des avantages significatifs dans l’amélioration de la transmission d'ions peptidiques à charges multiples, et ce, en réduisant les ions interférents. Dans ce contexte, l'objectif de cette thèse était d'explorer les capacités analytiques de FAIMS afin d'élargir à la fois la gamme dynamique de détection des protéines/peptides et la précision des mesures en protéomique quantitative par spectrométrie de masse. Pour cela, nous avons systématiquement intégré FAIMS dans des approches classiques en protéomique afin de déterminer les changements dynamiques du protéome humain en réponse à l’hyperthermie. Nous avons d’abord étudié les avantages de FAIMS par rapport à la quantification par marquage isobare (tandem mass tag, TMT). Cette approche permet le marquage d'ions peptidiques avec différents groupements chimiques dont les masses nominales sont identiques mais différant par leur distribution respective d'isotopes stables. Les ions peptidiques marqués par TMT produisent des ions rapporteurs de masses distinctes une fois fragmentés en MS/MS. Malheureusement, la co-sélection d'ions précurseurs conduit souvent à des spectres MS/MS chimériques et une approche plus lente basée sur le MS3 est nécessaire pour une quantification précise. Comme FAIMS améliore l’efficacité de séparation en transmettant sélectivement des ions en fonction de leur voltage de compensation (CV), nous avons obtenu moins de co-sélection de peptides. FAIMS a amélioré la quantification des peptides TMT au niveau MS2 et a permis d’obtenir 68% plus de peptides quantifiés par rapport aux analyses LC-MS/MS classiques, fournissant ainsi un aperçu plus vaste des changements dynamiques du protéome humain en réponse au stress thermique. De plus, nous avons étudié le marquage métabolique par incorporation d’acides aminés marqués par des isotopes stables en culture cellulaire (SILAC). Si des interférences co-éluent avec les isotopes SILAC, la quantification devient imprécise et les contreparties de SILAC peuvent être assignées de manière erronée aux ions interférants du chromatogramme, faussant ainsi le rapport SILAC. Le fractionnement post-ionisation FAIMS pourrait filtrer les ions appartenant au bruit de fond qui pourraient autrement être attribués à une paire ou à un triplet SILAC pour la quantification. Dans ce projet, FAIMS a été particulièrement bénéfique pour les espèces peu abondantes et s’est montré plus performant que le fractionnement par échange de cations (SCX). En outre, FAIMS a permis la séparation des phosphoisomères fréquemment observés dans les extraits complexes de phosphoprotéomes. Le troisième objectif de ce travail de recherche était d'explorer la séparation de l'état de charge et la transmission améliorée de peptides fortement chargés avec FAIMS et son application à l'analyse de peptides SUMOylés. FAIMS pourrait ainsi améliorer la transmission des peptides SUMOylés triplement chargés par rapport aux peptides tryptiques usuels, lesquels sont principalement doublement chargés. Ceci permettait l'enrichissement en phase gazeuse des ions peptides SUMOylés. FAIMS est une approche alternative plus simple pour fractionner les peptides SUMOylés, ce qui réduit les pertes d’échantillon et permet de simplifier le traitement des échantillons, tout en augmentant l’efficacité de séparation de manière plus automatisée et en ajoutant un ordre de grandeur de sensibilité. Le dernier objectif de cette thèse était d’améliorer l’instrumentation de FAIMS en le jumelant aux instruments à la fine pointe de la technologie. Avec un nouveau dispositif FAIMS, développé par nos collaborateurs chez Thermo Fisher Scientific, nous avons montré une amélioration dans la robustesse et la transmission des ions pour la nouvelle interface. Dans des expériences simples en protéomique shotgun, FAIMS a étendu la gamme dynamique d'un ordre de grandeur pour une couverture protéomique plus profonde par rapport aux analyses LC-MS/MS classiques. En outre, le fractionnement en phase gazeuse de FAIMS a généré moins d’analyses chimériques en MS2, ce qui a permis d’obtenir plus d’identifications et une meilleure quantification. Pour ce faire, nous avons directement comparé le LC-FAIMS-MS/MS au LC-MS/MS/MS en utilisant la sélection de précurseur synchrone (SPS) avec et sans fractionnement en phase inverse basique. Des mesures quantitatives comparables ont été obtenues pour toutes les méthodes, à l'exception du fait que FAIMS a parmi d’obtenir un nombre 2,5 fois plus grand de peptides quantifiables par rapport aux expériences sans FAIMS. Globalement, cette thèse met en évidence certains des avantages que FAIMS peut offrir aux expériences en protéomique en améliorant à la fois l'identification et la quantification des peptides.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".