蛋白质组学研究新成果|解锁紫外光解离(UVPD)质谱产生的内部碎片

大家好，本周为大家分享一篇2024年发表在Analytical Chemistry上的文章，Panda-UV Unlocks Deeper Protein Characterization with Internal Fragments in Ultraviolet Photodissociation Mass Spectrometry¹。该文章的通讯作者是来自北京蛋白质组学研究中心的常乘研究员以及中国科学院大连化学物理研究所的王方军教授。

　　在过去的十年里，UVPD (193nm)因其出色的碎裂效率而备受关注。它能够产生a/x, b/y, c/z等多种类型离子，并能够对小于30 kDa的蛋白质提供近乎完整的序列裂解。它是完整蛋白表征的有利工具，能够提供序列、PTM、次级结构等丰富信息。常规的UVPD分析主要依赖于识别N-端或C-端碎片(a/x, b/y, c/z)，尽管已经满足大部分的小分子蛋白质(<20 kDa)的需求，而对于大分子蛋白质的表征仍然有限。通过解析内部碎片(ax, ay, az, bx, by, bz, cx, cy, cz)而进一步获得更深度的序列信息是常用的策略。但由于内部片段数量庞大和匹配的低置信度，导致内部片段在很大程度上仍未得到充分利用。

为了解决这一问题，作者开发Panda-UV这一新型软件工具，通过结合质谱校准技术和皮尔逊相关系数(PCC)评分系统，实现了UVPD内部碎片的有效识别和高精准匹配。Panda-UV有非常友好的界面，即便不具备编程技能也能使用(图1)。使用者需要提供蛋白序列、去卷积后的质谱数据、固定修饰信息、甚至非共价结合配体还能作为unlocalized modification添加进去用于holo-fragmemts的搜索。PCC评分系统将对碎片离子实验测定的同位素分布与理论计算的同位素分布进行比较，由此过滤掉低置信度的匹配。此外，软件中还增加了Mass Calibration用于校正实验测定的m/z或去卷积后的mass，以便获得更准确的内部碎片匹配和打分。

　　图1. Panda-UV使用界面

　　具体工作流程如图2所示，当设定好所有参数提交后，程序会先进行碎片匹配。首先以20 ppm进行N-端或C-端的碎片匹配，计算所有匹配上离子的平均质量误差(ppm)，此误差将带入以下公式mass_calibrated = mass/(1 + error × 10-6)，用于去卷积后的质量校正。该步骤可以尽可能扣除由仪器测定引入的误差，以便后续更准确的打分和匹配。完成校准后，再使用用户自定义ppm对校准后的去卷积质量进行第二轮碎片匹配。完成碎片匹配后，进入碎片PCC打分阶段。通过根据碎片离子的带电荷量以及化学式生成理论的同位素分布，将其与实验测定的同位素分布进行比较，主要比较同位素峰之间强度的变化趋势。完成PCC打分之后，需要删除不明确的匹配。由于理论搜索空间大，一个实验碎片可以在定义的质量误差范围内(ppm)匹配多个理论碎片，综合考虑质量误差和PCC评分，以去除歧义匹配。完成碎片匹配后，Panda-UV会根据蛋白序列和碎片匹配结果绘制蛋白整体的碎裂图以及各个残基位点的末端/内部碎片强度汇总图。

　　图2. Panda-UV工作流程

　　通过在三种模型蛋白质上进行全面基准测试，展示了Panda-UV强大性能(图3)。内部片段的加入使得识别的片段数量提高了26%，并将平均蛋白质序列覆盖率提高到了93%，解锁了模型蛋白质中最大蛋白碳酸酐酶II的隐藏区域。此外，平均65%的内部片段可以在多次重复实验中被识别，展示了Panda-UV识别片段的高置信度。与现有的内部片段匹配软件ClipsMS进行对比，Panda-UV通过对代码框架的优化，搜索模型蛋白的一个质谱数据不超过9分钟，比ClipsMS快50倍。最后，在分析单克隆抗体时，Panda-UV将识别的片段数量翻倍，mAb亚基的序列覆盖率可以提高到86%，并且CDR几乎完全测序，显著提高了mAb的识别准确性(图4)。

　　图3. A) B)Panda-UV与C) D)Clips MS解析CA、Mb、Ub三种蛋白的UVPD数据对比

　　图4. Panda-UV在mAb UVPD数据分析中的应用

　　总的来说，Panda-UV赋予研究人员解锁UVPD数据中内部片段的能力。尽管Panda-UV是专门为UVPD设计开发的，但是用一般解离方法(例如：HCD、ETD)得到的质谱图也是兼容的。Panda-UV揭露了完整蛋白质表征的隐藏深度，为蛋白质组学top-down深度分析提供了帮助。

　　撰稿：刘蕊洁

编辑：李惠琳

文章引用：Panda-UV Unlocks Deeper Protein Characterization with Internal Fragments in Ultraviolet Photodissociation Mass Spectrometry

　　参考文献

　　1. Zhu Y, Liu Z, Liu J, et al. Panda-UV Unlocks Deeper Protein Characterization with Internal Fragments in Ultraviolet Photodissociation Mass Spectrometry. Anal Chem. 2024; 96(21): 8474-8483.