如需在网页中查看本邮件,请点击这里

newsletter banner

欢迎

我们的“暗物质挑战赛”从读者中收到了一系列出色的结果,尽管大多数未鉴定的质量差值仍然未得以解释。

本月的特色文章描述了一种检测血液样品中β淀粉样蛋白生物标志物的方法,可能为我们显示了一种早期阿兹海默症检测的途径。如果您最近也有文章发表并且希望我们列举在下一期的Newsletter中,请发给我们 相关的PDF 或者URL

本月的Mascot小贴士是关于我们是如何帮助你提高使用Mascot Distiller来处理原始数据的速度。

如果您有任何意见或问题,请随时 联系我们

 

2018.02

暗物质挑战
特色文章
本月Mascot小技巧
 

“暗物质”透出光芒

在前一段时间的一篇 博客文章中,我们向读者征询协助鉴定来自于开放式数据库搜索中发现的20个未得到匹配的质量差值。感谢所有提交评论和可能解释的读者。

首先被成功鉴定的是23.958,这可能与阳性铝离子相符合。随后很快,4个其他的质量差值被发现与氨基酸残基的组合相符,通常包含了K或者R。事后看来,解释是显而易见的:开放式数据库搜索只允许一个漏切。如果匹配的多肽包含了两个或以上的漏切,这会匹配为一个更短的多肽加上一个修饰。例如,K.SKLPKPVQDLIK.M 会给出这样一个匹配, K.LPKPVQDLIK.M 加上N端有一个SK修饰。

剩下的部分则更加难以解释。在某些情况下,可能在实验误差中找到元素组成,但是这并不是令人信服的化学组成。例如,306.0952 可能是glycation,添加了2个Hexose(己糖)失去一个水。难点在于没有或者几乎没有类似的修饰,例如:加入1个Hexose并失去一个水,或者加入两个Hexose而不失去水。这些是在各种肽段序列上发现的高丰度的修饰。如果它们是修饰的组合,我们则是期望看到更高丰度的单个修饰。

这场比赛无疑证明了要想确定未知质量差值对应的化学组成,是非常困难的。不包括在Unimod 中且超过5 Da的未知质量增值已经加入到了Unimod数据库中, 前缀为Unknown,例如:Unknown:302。如果执行error tolerant search,这些质量差值则可以呈现出来,强匹配有助于位点特异性。请分享这些结果,通过添加您的反馈意见或者在 原始博客文章 或者 结果综合消息下进行评论。

dark matter

使用Mascot发表的优秀文章

在这里,我们列举了一篇近期发表的有趣并且很重要的文章,该文章运用Mascot 进行了蛋白质鉴定、定量及特性分析,如果您想要您的文章也在这里重点推荐,请发给我们 一个PDF或URL

 

High performance plasma amyloid-β biomarkers for Alzheimer's disease

Akinori Nakamura, Naoki Kaneko, Victor L. Villemagne, Takashi Kato, James Doecke, Vincent Dore, Chris Fowler, Qiao-Xin Li, Ralph Martins, Christopher Rowe, Taisuke Tomita, Katsumi Matsuzaki, Kenji Ishii, Kazunari Ishii, Yutaka Arahata, Shinichi Iwamoto, Kengo Ito, Koichi Tanaka, Colin L. Masters & Katsuhiko Yanagisawa

Nature, Published online: 31 January 2018

为了推进现有的阿兹海默症早期阶段的检测,文章作者鉴定并证实了血液中β淀粉样蛋白的生物标志物。使用免疫沉淀和MALDI-TOF MS的方法,他们能够确立在IP-MS分析中得到的生物标志物,可以作为潜在替代脑部淀粉样β样蛋白的候选临床标志物。

他们回顾了在日本国家老年医学和老年学中心具有代表性的研究,在121个样本的数据集中测试了这些标志物,并使用了来自于澳大利亚的成像、生物标志物和生活方式研究中心的老龄研究中的252个样品进行了外部验证。

他们也观察了在血浆标志物和两种公认的β淀粉样蛋白的检测方法(正电子发射断层扫描和脑脊液生物标记物)之间的关系。这些结果显示三种Aβ相关的生物标志物(血浆和脑脊液Aβ,以及正电子发射断层扫描成像)相互之间高度相关,暗示了血浆Aβ标志物与脑脊液Aβ的状态密切相关。

Thumbnail from featured publication

本月Mascot使用小贴士

学习使用任何一个复杂的新软件总是会有一些困难,Mascot Distiller也不例外。特别是数据被用于定量时;所有事情必须是正确的,才能得到好的结果:初始的谱峰提取,搜库条件的设定,以及最终定量步骤的设置。

我们尽力提供教程式的帮助,但是它不可能足够好。在原始数据和处理方式中纯粹的变化,导致不可能对于每一个设置使用默认参数都是有用的。高分辨还是低分辨?数据保存格式是profile还是centroid?定量是基于MS1、是MS2还是MS3?SILAC或者18O或者13C代谢定量还是非标记,亦或是iTRAQ、TMT或者二甲基化标记。

如果你手头有一个好的模型,那么学习曲线就不会是一个巨大的挑战。在这个模型中,已经为这些多样的设置建立了合理的选择。你可以直接地看到这些是如何运行,并且使得你能够专注于条件优化。

我们非常乐意提供诸如此类的帮助。 联系support 并提供一些基本的实验信息。我们会发送您一个上传的链接到我们的Dropbox。如果是非标记的实验,发给我们一个或者两个文件(不要过多-我们不需要大量的数据来说明合理的参数设置)。我们将处理您的文件并且以Distiller project的文件格式发送给您,这为您提供了一个处理其余数据的良好工作起点。

Mascot Distiller

关于 Matrix Science

Matrix Science 为蛋白组学的研究人员以及科学家提供生物信息分析工具,帮助他们更快速,更可信的鉴定和定量蛋白。Mascot 软件全线支持来自Sciex, Agilent, Bruker, Shimadzu, Thermo Scientific 以及 Waters质谱仪生成的质谱数据。

请联系康昱盛以获取更多的信息。

 

Matrix Science logo

Matrix Science Ltd, 64 Baker Street, London W1U 7GB, UK
T +44 (0)20 7486 1050  F +44 (0)20 7224 1344  E info@matrixscience.com
 

View in a web browser Forward to a colleague Unsubscribe