蛋白质定量

大家好，本周为大家分享一篇发表在Analytical Chemistry上的文章Quantitative Structural Proteomics Unveils the Conformational Changes of Proteins under the Endoplasmic Reticulum Stress1，文章的通讯作者是来自美国佐治亚理工学院的Ronghu Wu助理教授。在真核细胞中，内质网(endoplasmic reticulum，ER)负责蛋白质组中40%蛋白质的合成和成熟。蛋白质合成或折叠过程中的变化都将影响内质网的稳态，进而导致未折叠蛋白的积累和蛋白分泌效率的降低。在过去几十年的研究中，内质网应激反应被广泛研究，但是内质网应激反应后蛋白质折叠状态的变化却没有被深入研究。基于丰度的蛋白质组学方法不能直接用于分析蛋白质状态的变化，在这篇文章中，作者整合了半胱氨酸(cysteine，Cys)共价标记、选择性富集和定量蛋白质组学，称为半胱氨酸靶向共价蛋白绘制(cysteine targeted covalent protein painting，Cys-CPP)，用于研究蛋白质组范围内的蛋白质结构和变化(图1A)。　　使用CPP分析蛋白质结构，需要一种具有高反应活性的探针。作者设计了一种针对半胱氨酸的探针，其中包含半胱氨酸反应基团、用于富集的生物素部分和用于生成半胱氨酸特异性识别位点标签的可裂解连接部分(图1B)。以变性处理后的蛋白样品作为蛋白质展开形式的参考，计算肽段在原始样本和变性样本中的比例从而获得宝贵的蛋白质结构信息。　　图1.利用半胱氨酸反应探针定量分析人细胞蛋白质组中半胱氨酸暴露率的原理。(A)Cys-CPP的一般工作流程。(B)半胱氨酸残基与探针之间的反应。富集后，进行紫外裂解，在修饰的半胱氨酸上留下一个小标记，用质谱进行位点特异性分析。　　半胱氨酸暴露率Rexpo通过每条肽段在原始样本和变性样本中的比值进行计算。结果显示：(1)半胱氨酸的暴露率和溶剂可及性呈现正相关(图2C) (2)在丝氨酸和苏氨酸等极性氨基酸残基旁边的半胱氨酸具有相对较高的暴露率，这与人们普遍认为亲水残基更有可能暴露在蛋白质表面的观点一致 (3)甘氨酸和脯氨酸附近的半胱氨酸具有更高的暴露率，这是因为这两种氨基酸通常出现在蛋白质的转角和环结构中，对半胱氨酸的空间位阻较小 (4)半胱氨酸暴露率与其有/无序区(图2D)或所处二级结构(图2E)的相关性分析均表明，较低的暴露率与更稳定和结构化的局部环境有很好的相关性。这些数据结果共同证明目前的方法可以准确地测得半胱氨酸暴露率，并为蛋白质结构提供有价值的信息。　　图2.HEK293T细胞中半胱氨酸暴露率的分析。(A) VAHALAEGLGVIAC#IGEK(#代表标记位点)的串联质谱样本。报告离子的强度使我们可以准确定量一个半胱氨酸的暴露率(左框为报告离子强度的放大视图)。(B)蛋白CCT3中被定量半胱氨酸的定位和暴露率演示(PDB代码：6qb8)。(C−E)比较不同的溶剂可及性(C)、预测无序区(D)和二级结构(E)的半胱氨酸暴露率。　　衣霉素(Tunicamycin，Tm)可抑制 N-糖基化并阻断 GlcNAc 磷酸转移酶 (GPT)。由于蛋白质的N-糖基化经常发生在共翻译过程中，在蛋白质折叠的调节中起着至关重要的作用，所以衣霉素会引起细胞内质网中未折叠蛋白的积累并诱导内质网应激。基于此，作者用衣霉素对细胞进行处理，计算并对比了衣霉素处理样本和正常样本中的半胱氨酸暴露率。正如预期的那样，Tm处理样本中许多半胱氨酸的暴露率升高，且Tm对于蛋白质不稳定区域的作用尤为显著。根据Tm处理样本和正常样本之间半胱氨酸暴露率的差值，作者将所有位点划分为5个部分，在Tm处理下，近三分之一的半胱氨酸定位区域没有明显的结构变化(差值在-0.05~0.05之间)，而28%的位点则高度暴露(差值0.15)(图3B)。对这两种蛋白质进行基因本体(GeneOntology，GO)功能富集分析(图3C)，结果显示：差值在-0.05~0.05之间的蛋白通常是糖异生或折叠过后具有良好结构区域的蛋白，而差值0.15的蛋白则是与囊泡转运相关的蛋白。这表明抑制N-糖基化主要影响经典分泌途径中的蛋白质，与预期相符。　　图3.利用Tm抑制蛋白质N-糖基化对蛋白质折叠影响的系统研究。(A)Tm处理和对照样品之间半胱氨酸暴露率的比较。(B) 不同暴露率变化范围内的蛋白质数量。(C)在具有高度展开或稳定区域半胱氨酸的蛋白之间进行GO功能富集分析。　　由于Tm对于预先存在的、折叠良好的蛋白质所产生的影响可能远小于对新合成蛋白的影响，分别研究Tm对这两种蛋白的影响是必要的。作者通过将目前的方法Cys-CPP与细胞培养中氨基酸的稳定同位素标记(pSILAC)结合(图4A)，探究了细胞中已存在蛋白和新合成蛋白在内质网应激作用下的不同变化。结果显示：(1)抑制N-糖基化对新合成蛋白的去折叠影响比对已存在蛋白的影响更显著(图4C) (2)N-糖基化除了调节蛋白质的二级结构外，在蛋白质三级或四级结构的形成中起着更重要的作用(图4D)。　　图4. 抑制N-糖基化对新合成蛋白和已存在蛋白折叠状态影响的研究。(A)量化新合成蛋白和已存在蛋白折叠状态变化的实验设置。(B) 经Tm处理和未经处理的细胞中新合成和已存在蛋白质的重叠。括号内为每组蛋白质数。(C)不同蛋白质组中暴露率的分布。(D) 在有或没有Tm处理的细胞中、在不同的二级结构下，新合成和已存在蛋白之间半胱氨酸暴露率的差值分布。　　本文通过设计一种半胱氨酸靶向探针，定量半胱氨酸残基的暴露率，系统地研究了蛋白质的结构以及结构的变化。结果表明，半胱氨酸暴露率与蛋白质局部结构的相关性非常好。利用该方法，作者研究了Tm引起的内质网应激反应下细胞中蛋白质的结构变化。此外，通过将Cys-CPP与pSILAC结合，研究了在内质网应激反应下原有蛋白和新合成蛋白的结构变化差异，并详细分析了内质网应激对蛋白质去折叠的影响，深入和准确地了解内质网应激下的蛋白质结构变化，有助于深入了解蛋白质的功能和细胞活性。　　参考文献：[1] Yin K, Tong M, Sun F, et al. Quantitative Structural Proteomics Unveil the Conformational Changes of Proteins under the Endoplasmic Reticulum Stress[J]. Analytical Chemistry, 2022,

中科院计算所究团队与董梦秋实验室合作，成功开发了定量蛋白质组学数据解析软件，用计算方法排除干扰信号的影响、提高肽段和蛋白质的定量准确度并对每个定量值进行准确性评价。　　基于质谱的定量蛋白质组学是现代生物学技术的生长点之一，用于测量复杂生物体系中蛋白质及其翻译后修饰在不同条件下的丰度变化，是研究蛋白质功 能和药物作用机制的重要工具。已有的定量软件往往不能有效排除干扰信号，定量值的计算方法有待完善，而且缺乏准确性评价，致使输出结果&ldquo 鱼龙混杂&rdquo ，引起 的假阳和假阴两方面的困扰都比较严重。 　为了更好地解决问题，开发者研究了几百个可疑定量值的原始质谱图和色谱图数据，找原因、攒经验，充分挖掘肽段的质谱、色谱信号特点以及从肽段定量到蛋白 质定量的方法，灵活应用各种组合和统计算法，建立了一整套非常细致的数据分析流程。为了验证软件的性能，董梦秋实验室的同学通过轻重SILAC或 14N／15N标记哺乳动物细胞或细菌，从10：1到1：10按不同比例混合得到14套标准样品，产生了14套测试数据集。 测试结果表明，定量结果的准确性明显超过定量蛋白质组学领域的两个主流软件Census和MaxQuant，主要表现在输出的非数比值数目（即 不能定量的部分）占总比值数目的0.01&ndash 0.5%，远低于Census的MaxQuant的对应比例2.5&ndash 10.7%和 1.8&ndash 2.7%；Census和MaxQuant输出了许多不准确结果，其定量值的标准差是软件的1.3&ndash 2倍；给出了肽段和蛋白质定量比值的置信区 间，而Census和MaxQuant没有准确性评价。目前，该研究工作得到了科技部、基金委、中科院和北京市政府的资助。

大家好，本周为大家分享一篇发表在Analytical Chemistry上的文章，Improved Label-Free Quantification of Intact Proteoforms Using Field Asymmetric Ion Mobility Spectrometry [1]，文章的通讯作者是美国俄克拉荷马大学的Luca Fornelli教授。完整proteoforms的非标记高通量定量方法的应用对象通常为从整个细胞或组织裂解物中提取的0 - 30 kDa质量范围内蛋白质。然而当前，即使通过高效液相色谱或毛细管电泳实现了proteoforms的高分辨率分离，可鉴定和定量的proteoforms的数量也不可避免地受到固有的样品复杂性的限制。近年来，随着质谱技术的发展，自上而下蛋白质组学质谱(top-down proteomics)研究中蛋白质的鉴定数量大大提升，生成了包含数万种proteoforms的数据集，但在proteoforms的量化能力方面并没有得到相应的性能提升。为克服这一问题，本文中作者通过应用场不对称离子迁移谱法(Field asymmetric ion mobility spectrometry, FAIMS)对大肠杆菌中的proteoforms进行了非标记定量。由此产生的改进允许在单次LC-MS实验中采用多个FAIMS补偿电压(Compensation voltages, C.V.)，而不会增加整个数据采集周期。与传统的非标记定量实验相比，FAIMS的应用在不影响定量准确性的情况下，大大增加了鉴定和定量的proteoforms数量。首先，作者优化了质谱stepped-C.V.数据采集方法对Orbitrap Eclipse性能的影响，并从中筛选出了最优条件(−40、−20、0 V组合)。所有最新的基于Orbitrap的质谱仪(包括Exploris platform和Orbitrap Ascend)都可以采用single time-domain transients(即单次微扫描)在top down FTMS实验中生成高质量的质谱图。作者认为这对于在单次LC - MS2运行期间应用多个C.V.值的采集策略特别有益。接下来，作者应用该方法对大肠杆菌中的蛋白质进行了检测，并与传统的LC - MS2 DDA采集方法进行了比较(图1)。如图所示，每个C.V.值下的总离子流图都不同，且这一额外的分离导致在LB(Luria broth)和M9(醋酸钠处理)样品中鉴定到的proteoforms的数量显著提升。　　图1. 样本制备方法和proteoforms鉴定结果总结虽然在LC-FAIMS和LC-only数据集中，大多数鉴定到的proteoforms质量都小于15 kDa，但其中约20%的质量大于18 kDa甚至高达33.3 kDa(图2)。对已鉴定的proteoforms列表的深入分析表明，达到鉴定低丰度proteoforms的关键参数之一是在串联质谱(MS2)中有足够的时间注入离子。　　图2. A. FAIMS和非FAIMS鉴定到的proteoforms的质量分布。B. 鉴定到的proteoforms与注射时间之间的关系。最后，作者采用ProSight PD v 4.2 (Proteineous, Inc)进行了基于MS1的非标定量，结果显示基于FAIMS的数据集在LB样品(蓝色)和M9样品中检测到的差异表达的proteoforms均有所增加(图3)。作者评估了两个数据集之间的差异(使用和不使用FAIMS采集数据)，以验证FAIMS的应用是否会对量化准确性产生不利影响，结果只有1个proteoform显示相互矛盾的丰度趋势。这种差异是由于该蛋白和一个共流出蛋白之间质谱峰几乎完全重叠造成的。它们具有非常接近的单同位素质量，这样高水平的信号干扰可以很容易地干扰基于MS1的量化。启用FAIMS可以使MS1谱图简化，因为两种proteoforms可以富集在两种不同的C.V. 值下。　　图3. 大肠杆菌proteoforms无标记定量结果分析。作者将LC - FAIMS - MS2数据集与通过BUP在类似样品上获得的非标定量结果进行比较，得出两个主要的结论:1. BUP仍然对蛋白质组提供了更深层次的定量表征 2. BUP提供了与单个基因相关的所有产物的整体丰度水平信息 而TDP方法表明，给定的UniProt accession可以由多个差异表达的proteoforms组成，可能具有不同的行为(即在给定条件下，一些被上调，另一些被下调)。这一额外的信息可能具有潜在的生物学意义，但在基于BUP的定量分析中可能会被遗漏。本文描述的基于FAIMS的定量数据采集方法与PEPPI(Passively eluting proteins from polyacrylamide gels as intact species)蛋白分离技术完全兼容，产生0 - 30 kDa的组分，并且可以方便地根据待分析蛋白的平均质量调整质谱参数(C.V.值)，未来在更大的蛋白质定量方面具有广阔的应用前景。　　撰稿：张颖　　编辑：李惠琳　　原文：Kline JT, Belford MW, Huang J, Greer JB, Bergen D, Fellers RT, Greer SM, Horn DM, Zabrouskov V, Huguet R, Boeser CL, Durbin KR, Fornelli L. Improved Label-Free Quantification of Intact Proteoforms Using Field Asymmetric Ion Mobility Spectrometry. Anal Chem. 2023 Jun 13 95(23):9090-9096.　　李惠琳课题组网址www.x-mol.com/groups/li_huilin　　参考文献　　1.Kline JT, Belford MW, Huang J, Greer JB, Bergen D, Fellers RT, Greer SM, Horn DM, Zabrouskov V, Huguet R, Boeser CL, Durbin KR, Fornelli L. Improved Label-Free Quantification of Intact Proteoforms Using Field Asymmetric Ion Mobility Spectrometry. Anal Chem. 2023 Jun 13 95(23):9090-9096.