论文部分内容阅读
随着质谱技术的不断革新以及液相色谱-串联质谱法(LC-MS/MS)的广泛应用,生命科学领域内的科研工作者们可以很容易地开展大规模的蛋白质组学研究,使之服务于新药研发和精准医学。由于再现性是科学研究的重要基础,因此在开展大规模的研究过程中,对数据产出质量的要求必须更加严苛。基于质谱的蛋白质组学技术能够对复杂样品中成千上万的蛋白质进行定性和定量,而其结果的一致性和准确性主要取决于仪器、采集方法和数据分析软件的性能。在蛋白质组学领域内,相关的质量控制工作已经研究了样品制备、液相色谱条件和生物信息学分析方法对结果差异的影响,但尚未就LC-MS/MS性能引起的差异做出评估。因此,我们收集了国家蛋白质科学中心·北京质谱平台在2016年由10台Orbitrap仪器产出的1,200个使用293T标准品进行质量控制的实验数据。根据数据校核原则,实验记录不完整或者缺失的实验被予以剔除,最终入组数据为6台仪器产出的720个实验。综合人工检查和生物信息分析手段,经过人工谱图检查、经验高峰度8 Peaks的保留时间检查、定量数据标准化、主成分分析、聚类分析和异常值分析等质量控制措施,最终确定了来自6台仪器的458个基准实验集。基于基准实验集的分析表明,我们的LC-MS/MS平台具有较高的定性重现性和定量一致性,来自技术重复对的平均Jaccard距离在肽段水平和蛋白水平分别为0.45和0.73。仪器内部的变异系数在肽段水平和蛋白水平上的量值分别为25%和33%。这个结果客观地呈现了Orbitrap型号质谱仪对于复杂样品中的肽段和蛋白鉴定的总体性能,同时也与前人的研究结果保持了一致,蛋白的可重复性和重现性要高于肽段。为了进一步探究不同型号仪器检出差异蛋白的灵敏度,我们使用了“中华家系1号”标准品进行了不同仪器间和不同中心间的相关分析,结果表明,不同型号仪器检测出的差异蛋白虽然不尽相同,但富集到的通路高度一致,真实反映了标准品来源细胞的内在生理过程。由于仪器性能的波动会引起定量响应上的扰动,我们基于每台仪器的参考肽段集合为各自仪器分别个性化地定制了相应的打分模型,用于仪器性能的监测。将人工检查和信息学分析得到的低质量和高质量实验集分别标定为阴性和阳性数据集,受试者操作特征(ROC)曲线用于评估打分模型的性能,同时确定打分阈值用来描述仪器性能所处的临界状态。来自各个模型的平均的曲线下面积(AUC)等于0.98,表明了对应打分模型的可靠性。使用2017年产出的独立验证集进一步说明了基于定量参考肽段集合的打分模型可以帮助仪器操作人员客观地评估仪器的状态,及时地对性能较差的仪器进行必要的维护。根据重现性评估的结果,我们详细地分析了影响重现性的因素,结合本文中的蛋白质组学方案,从样品制备、LC-MS/MS参数设置和生物信息学方法应用三个角度出发,列举出了提高结果重现性的举措。此外,本文研究也在磷酸化蛋白质组学领域进行了质量控制的部分拓展工作,我们开发了一款叫做PhosMap的R包,旨在帮助没有编程经验的科研人员进行磷酸化蛋白质组学定量数据的质量控制以及快速开展后续的分析。