Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Video del Proteome umano che usando diaPASEF

Thought LeadersDr. Hannes RöstPrincipal InvestigatorRöst Lab at The University of Toronto

In questa intervista, il Dott. Hannes Röst descrive come il suo laboratorio sta usando il diaPASEF per riflettere il proteome umano durante la vita di una persona e come l'apprendimento automatico potrebbe essere usato per analizzare i dati.

Che cosa sono i vantaggi principali dei modi di acquisizione dell'dato-indipendente confrontati ai modi dato-dipendenti di acquisizione?

Il vantaggio principale è la riproducibilità. L'acquisizione indipendente di dati permette che riproducibile misuriate i diversi segnali dell'analito attraverso i gruppi molto grandi. Ciò è contrariamente ad acquisizione dipendente di dati, dove usate un metodo stocastico per campionare i peptidi nel vostro raggruppamento dell'analito. Ciò impedisce la campionatura riproducibile dello stesso raggruppamento del peptide in ogni singolo campione.

Con acquisizione dell'dato-indipendente, state ottenendo una risposta quantitativa per un analito specifico in ogni singolo campione e non avete questo elemento stocastico che introduca i valori mancanti nella vostra matrice quantitativa di dati che osservate spesso con acquisizione dato-dipendente.

Tracking Healthy to Disease State with Hannes Röst

Che cosa è il timsTOF pro e come è voi che lo usando per analizzare i campioni biologici complessi?

Il timsTOF pro è un tipo novello di strumentazione che è basata su un'architettura tradizionale di Q-TOF, ma egualmente ha un'unità bloccata di mobilità dello ione davanti allo spettrometro. Ciò permette che noi facciamo due cose: in primo luogo, permette noi accumuliamo gli ioni per un lasso di tempo specifico prima che li inviamo all'analisi ed in secondo luogo, permette che noi separiamo gli ioni da mobilità dello ione.

Ciò significa che gli ioni ottengono messi a fuoco molto in un a banda stretta degli ioni, che amplifica la sensibilità e fornisce l'attività supplementare delle cellule, perché gli ioni saranno separati dalla loro sezione trasversale collisionale.

I pro usi del timsTOF il metodo seriale di acquisizione di frammentazione di capitalizzazione parallela (PASEF), che sfrutta la mobilità bloccata dello ione per alzarsi ad un aumento di 10 volte nell'ordinamento della velocità. Ha in base al usando la posizione del quadruplo ed a muoverla con gli ioni.

Questo aumento nell'ordinamento della velocità è realmente cruciale per i proteomes complessi perché permette che noi andiamo molto più profondi nei proteomes complessi ed otteniamo le risposte quantitative per i campioni molto complessi in una scarsa quantità di tempo.

Il vostro gruppo di ricerca mette a fuoco sulle applicazioni di spettrometria di massa di calcolo. Prego potete dirci di più circa il laboratorio di Röst ed i progetti a cui il vostro gruppo sta lavorando?

Corrente stiamo lavorando a due colonne principali in spettrometria di massa. La prima colonna è lo sviluppo di nuova tecnologia, perché abbiamo rend contoere che la tecnologia corrente in spettrometria di massa avrà bisogno del miglioramento prima che possiamo indirizzare le domande della larga scala ed il tipo di dimensioni del gruppo che vogliamo indirizzare.

Passiamo una buona quantità di tempo che mette a punto il nuovo software ed i nuovi metodi sperimentali per aumentare la riproducibilità e la scalabilità dei metodi spettrometrii di massa. Allo stesso tempo, catturiamo questi metodi e li applichiamo sulla seconda colonna del nostro programma di ricerca, che è messo a fuoco su medicina personale.

Qui, stiamo provando a tenere la carreggiata longitudinalmente i diversi pazienti con un'impostazione molto densa di campionatura, di modo che possiamo vedere come i profili molecolari biofluids nei pazienti' passano la loro vita e durante i periodi di tempo di salubrità e di malattia. Con questo, speriamo di capire che unità la transizione da un sano ad uno stato malato.

Insulina e glucagone accanto al globulo rossonobeastsofierce | Shutterstock

Che cosa è diaPASEF e come voi sta applicando questa tecnica a medicina personale?

il diaPASEF è un nuovo metodo che comprende la componente di mobilità dello ione in acquisizione dell'indipendente di dati (dia). Corrente stiamo usando il diaPASEF per analizzare i grandi gruppi pazienti o i grandi peturbations, che è richiesto per tutto l'ordinamento di biologia di sistemi dell'approccio personale della medicina.

Se possiamo analizzare le perturbazioni sperimentali molto grandi e quantificare gli analiti in ogna singolo perturbazione, possiamo capire come i sistemi biologici funzionano, come reagiscono alle perturbazioni e come i segnali sono elaborati.

D'altra parte, se applichiamo questo ai diversi pazienti ed ai gruppi che pazienti possiamo rintracciare il profilo molecolare di singolo paziente per i lungi periodi di tempo e noi può capire come il loro profilo molecolare cambia col passare del tempo mentre i loro cambiamenti di stile di vita e dell'ambiente. Finalmente, potremo osservare la transizione da un profilo sano ad un profilo di malattia e diagnostichiamo questo molto più presto.

Perché è importante studiare longitudinalmente questi gruppi pazienti?

L'aspetto longitudinale è chiave perché permette che noi confrontiamo i diversi pazienti ai loro auto passati. Vogliamo muoverci a partire dal paradigma di paragone dei pazienti diversi ad una media della popolazione, perché quella media della popolazione non può essere informativa quanto confrontando il vostro auto corrente e malato al vostro auto in buona salute passato.

Potete avere un livello di analito che è due volte più alto era di 10 anni fa, che è un cattivo segno perché significa che potete sviluppare una determinata malattia. Questo livello dell'analito ha potuto ancora essere all'interno della varianza di popolazione e quindi sarebbe mancato dal vostro medico corrente.

Come può l'apprendimento automatico migliorare i reticoli di frammentazione ottenuti con diaPASEF e credete che possiamo fare lo stessi con i valori collisionali di sezione trasversale?

Sì. L'apprendimento automatico è una tecnica che ha entrato nel proteomics alcuni anni fa. La gente sta applicando in profondità l'apprendimento nel proteomics e il metabolomics con lo scopo saltare alcuni dei punti molto noiosi ed a forte intensità di mano d'opera che corrente dobbiamo fare per acquisizione dell'indipendente di dati.

Uno di questi punti è la generazione di libreria di analisi o spettrale. Ora abbiamo le prime indicazioni che può essere possibile completamente predire queste librerie spettrali, che permetterebbero che noi estraiamo molto più efficientemente e direttamente i dati del diametro, senza contare sulla prova sperimentale priore nelle misure sperimentali priori che devono essere fatte solitamente mediante acquisizione del dipendente di dati.

Ciò permette che noi disconnettiamo il collegamento noioso dove dobbiamo sempre fare l'acquisizione dipendente di dati prima che possiamo fare l'acquisizione indipendente di dati e possiamo direttamente entrare in dati indipendenti di acquisizione di dati.

Una delle frontiere seguenti predirà direttamente i valori collisionali di sezione trasversale, perché questa è richiesta per estrarre i dati del diaPASEF. Dalle nostre collaborazioni con il Max Planck Institute, abbiamo veduto che questo è possibile e presto cominciassimo muoverci in quella direzione.

Concetto di apprendimento automaticoZapp2Photo | Shutterstock

Che cosa sono le sfide principali in spettrometria di massa di calcolo e come possono noi sormontare quelle emissioni?

Penso uno alle sfide principali di spettrometria di massa di calcolo al momento, specificamente relative ad acquisizione dell'dato-indipendente, sono il volume di dati puro. Ciò ha esploso ancora con il timsTOF pro, dove abbiamo mille volte più dati che abbiamo avuti mai con gli strumenti tradizionali di Q-TOF. Ciò è perché ogni scansione determinata di TOF ora è scinta nelle spinte di mille persone TOF che possiamo tutti analizzare determinato.

Ciò è una sfida importante in termini di operazione di disgaggio del nostro algoritmo, ma anche nell'interpretazione della quella quantità enorme di dati. Corrente, stiamo registrando molto più dati che possiamo interpretare, in modo da vogliamo avanzare verso fare leva la quantità completa di dati e non solo di piccolo sottoinsieme.

Penso che la seconda sfida con acquisizione dell'dato-indipendente sia perché stiamo usando un metodo che sta acquistando così tanto i dati, noi dobbiamo avere un modo ade-convolute questi dati e definire il precursore determinato risale insieme alle loro tracce dello ione del frammento. Ciò è qualcosa che non sia stato possibile prima che abbiamo aggiunto la mobilità dello ione come tecnica di separazione.

Sono i dati mille volte più grandi perché state utilizzando lo spettrometro di massa nel TOF?

Sono più grandi perché in tutti gli approcci precedenti abbiamo usato le diverse spinte di TOF per farli la media in uno singolo spettro, mentre ora ogni spinta di TOF è associata con una mobilità dello ione. Abbiamo usato per catturare le misure di circa mille persone e poi per farli la media in una singola misura, che ha permesso che noi comprimessimo i dati.

Ora, ogni spinta determinata di TOF è associata con una mobilità dello ione, che i mezzi noi devono tenere che le informazioni e noi non possiamo fondere semplicemente i dati più. Ciò significa che abbiamo molto più informazioni, ma anche sfide di sostanza nell'analisi di dati.

Perché la ritenete siete importante da fare i programmi che sviluppiate l'accesso aperto?

Nel nostro gruppo di ricerca, abbiamo messo molta enfasi su software libero di sviluppo. Uno dei motivi principali per il quel è la trasparenza. Vogliamo la gente potere capire esattamente e riprodurrci che cosa accade con i loro dati, che sono soltanto possibili con software libero.

Soltanto con software libero potete andare leggere il codice che manipola i vostri dati in moda da potervi capire voi come siete arrivato da un file di dati grezzi ad un valore quantitativo dell'output specifico.

La seconda ragione è di coltivare la comunità di acquisizione dell'dato-indipendente intorno al software che stiamo producendo. Mettendo a disposizione il software aperto e dei rivelatori, permette che noi criamo una comunità dei rivelatori che catturano i nostri algorisms e sviluppano qualcosa sopra.

Invece di lavoro nei nostri sili diversi e prova di proteggere la nostra ricerca, stiamo provando a renderlo aperta quanto possibile e disponibile alla comunità in moda da potere usare l'altra gente e la configurazione sopra.

Come pensate il campo a spettrometria di massa di calcolo vi evolverete nella decade prossima?

Attualmente, abbiamo parecchie sfide da risolvere in spettrometria di massa di calcolo. Una delle sfide è l'interpretazione di diversi insiemi di dati stati necessari per ottenere la quantità di informazioni completa registrata da uno strumento spettrometria di massa.

Egualmente penso che dobbiamo entrare in seconda dimensione di dell'acquisizione dei dati, che è il numero dei campioni. Dobbiamo potere fare quel tipo di analisi riproducibile, di modo che i valori quantitativi che troviamo per gli analiti in una singola esecuzione possono essere trovati per ogni singolo paziente. Ciò è qualcosa cui ancora abbiamo bisogno di algoritmi completamente nuovi per, per convincere questo per lavorare e per sormontare gli effetti in lotti.

La presentazione di Hannes dell'orologio a ASBMB 2019

Hannes Rӧst - ASBMB 2019 Presentation

Dove possono i lettori trovare più informazioni?

  • F. Meier, A. Brunner, M. Frank, A. Ha, E. Voytik, S. Kaspar-Schoenefeld, M. Lubeck, O. Raether, R. Aebersold, B.C. Collins, H.L. Röst, M. MANN. (2019). Capitalizzazione parallela - la frammentazione seriale si è combinata con acquisizione dell'dato-indipendente (diaPASEF): Proteomics dal basso con uso ottimale vicino dello ione. bioRxiv. DOI: 10.1101/656207.
  • Scopra il timsTOF pro

Circa Hannes Röst

Hannes Rost - immagineHannes Röst è il principale inquirente del laboratorio di Röst all'università di Toronto. Röst ha completato il suo Ph.D. nel laboratorio del professor Ruedi Aebersold a ETH Zurigo, dove ha messo a punto i metodi di calcolo novelli per analizzare ai i dati basati a spettrometria di massa di proteomics. Questo lavoro conceduto i ricercatori per aumentare la capacità di lavorazione del proteomics mirato a sperimenta da fino a 100 volte ed aumenta il numero dei campioni che potrebbero essere analizzati in un singolo studio.

Nel suo ruolo corrente, Röst ed il gruppo mettono a punto i metodi spettrometrii di massa novelli per ottenere le matrici altamente quantitative di dati di metabolomics e di proteomics e per usare questi dati quantitativi per rivolgere le domande nella biologia di sistemi e nella medicina personale.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Bruker Daltonics. (2019, September 30). Video del Proteome umano che usando diaPASEF. News-Medical. Retrieved on October 27, 2021 from https://www.news-medical.net/news/20190925/Monitoring-the-Human-Proteome-using-diaPASEF.aspx.

  • MLA

    Bruker Daltonics. "Video del Proteome umano che usando diaPASEF". News-Medical. 27 October 2021. <https://www.news-medical.net/news/20190925/Monitoring-the-Human-Proteome-using-diaPASEF.aspx>.

  • Chicago

    Bruker Daltonics. "Video del Proteome umano che usando diaPASEF". News-Medical. https://www.news-medical.net/news/20190925/Monitoring-the-Human-Proteome-using-diaPASEF.aspx. (accessed October 27, 2021).

  • Harvard

    Bruker Daltonics. 2019. Video del Proteome umano che usando diaPASEF. News-Medical, viewed 27 October 2021, https://www.news-medical.net/news/20190925/Monitoring-the-Human-Proteome-using-diaPASEF.aspx.