质谱碎片峰

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.

近日，中国科学院大连化学物理研究所所仪器分析化学研究室质谱与快速检测研究中心（102组）李海洋研究员团队在现场检测微型质谱及应用方面取得新进展，基于自主研发的现场快速检测微型质谱（Anal. Chem.，2022），开发了简单易控、高碎片化效率的新型多重碎片化碰撞诱导解离技术，可实现单次进样条件下获得丰富碎片离子信息，对于化学战剂、D品的准确识别，以及新型合成D品的结构解析具有重要意义。　　新型D品层出不穷、种类繁多，成为当前D品犯罪案件的突出特点。此外，D品的种类不断翻新，更具伪装性、隐蔽性和迷惑性，使得检测难度大。因此，开发便携式仪器用于新型D品的及早发现，以及传统D品的现场快速准确识别对禁D工作具有重要意义。李海洋团队前期基于微型质谱关键技术，实现了传统D品和新型芬太尼类D品的定性检测（Anal. Chem.，2021；Anal. Chem.，2021；Anal. Chem.，2019；Anal. Chem.，2019），并在云南边境多个检查站开展了推广应用。　　传统共振碰撞解离技术需要多次进样才可以获得多重碎片离子信息。本工作中，基于此前构建的现场检测微型质谱，该团队开发了一种简单易控的新型碰撞诱导解离方式技术，可实现单次进样条件下获取多重离子碎片信息。基于对离子阱内微区电场分布的研究，团队还揭示了该技术的微观本质，即增大离子阱质量分析器的直流偏置电压有利于增强径向电场强度，从而驱动离子进入强射频场获得能量、发生碰撞诱导解离。通过调控电场、离子的初始动能和气压等，该碰撞诱导解离技术可实现100%的碎片化率。该技术还可同时获得多个碎片离子，有利于提升识别准确性，实现痕量D品同分异构体的区分、化学战剂的准确识别等。此外，该技术通过分析母离子以及不同碎片离子之间的质量数差异，可实现对D品的结构解析与分类，适用于新型合成D品早期发现预警，在D品稽查、公共安全等领域具有广阔应用前景。　　相关研究以“Radial Electric Field Driven Collision-Induced Dissociation in a Miniature Continuous Atmospheric Pressure Interfaced Ion Trap Mass Spectrometer”为题，于近日发表在《美国质谱学会杂志》（Journal of the American Society for Mass Spectrometry）上，并被选为封面文章。该工作的第一作者是我所102组博士研究生阮慧文。上述工作得到国家自然科学基金、我所创新基金等项目的支持。（文/图 王卫国、阮慧文）　　文章链接：https://pubs.acs.org/doi/full/10.1021/jasms.3c00324

德国科学家在最新一期《海洋科学前沿》杂志上撰文指出，在过去5年时间里，他们调查了北极海岸塑料碎片的组成及来源情况。分析显示，其中1/3的塑料碎片仍然带有印记或标签，可对其来源进行追踪，其中大部分来自德国。塑料碎片是一个全球性问题，据观察，有相当数量的塑料碎片漂浮在遥远的北冰洋上，但目前尚不清楚这些碎片从何而来。最近，由亥姆霍兹极地和海洋研究中心（AWI）阿尔弗雷德韦格纳研究所开展的公民科学项目提供了第一个有价值的信息。该研究负责人梅勒妮伯格曼博士说：“从2016年起，我们开始与公民科学家合作，调查北极海岸塑料碎片的组成，期间参与活动的游客收集并记录了斯瓦尔巴群岛海岸上的塑料碎片，到2021年他们共收集了23000件物品，总重量为1620公斤。”伯格曼指出，他们调查了那些仍然带有标记、标签或印记的碎片来自何处，结果发现了来自遥远的巴西和美国的碎片，而欧洲特别是来自德国的塑料碎片占总数的8%。他进一步说：“研究和计算机模型显示，塑料污染来自当地和偏远地区。在当地，塑料碎片从船只和废物管理系统较差的北极地区流向海洋；来自遥远地方的塑料碎片和微塑料则通过河流和洋流从大西洋、北海和北太平洋输送到北冰洋。”专家们指出，为有效解决这些问题，不仅需要改善当地的废物管理，尤其是船舶和渔业的废物管理措施，还需要大规模减少全球塑料产量，特别是在欧洲、北美和亚洲的工业化国家。