Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Vigilar al Proteome humano que usa el diaPASEF

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

En esta entrevista, el Dr. Hannes Röst describe cómo su laboratorio está utilizando el diaPASEF para vigilar el proteome humano en el curso de la vida de una persona, y cómo el aprendizaje de máquina se podría utilizar para analizar los datos.

¿Cuáles son las ventajas principales de las maneras de la adquisición de la dato-independiente comparadas a las maneras dato-relacionadas de la adquisición?

La ventaja principal es reproductibilidad. La adquisición independiente de los datos permite que usted reproductivo mida señales individuales del analito a través de las cohortes muy grandes. Esto está en contraste con la adquisición relacionada de los datos, donde usted utiliza un método estocástico para muestrear los péptidos en su centro común del analito. Esto previene el muestreo reproductivo del mismo centro común del péptido en cada muestra.

Con la adquisición de la dato-independiente, usted está consiguiendo una respuesta cuantitativa para un analito específico en cada muestra, y usted no tiene este elemento estocástico que introduzca valores faltantes en su matriz cuantitativa de los datos que usted observe a menudo con la adquisición dato-relacionada.

Tracking Healthy to Disease State with Hannes Röst

¿Cuál es el timsTOF favorable, y cómo es usted que lo usa para analizar muestras biológicas complejas?

El timsTOF favorable es un tipo nuevo de instrumentación que se base en una configuración tradicional de Q-TOF, pero también tiene un dispositivo atrapado de la movilidad del ión delante del espectrómetro. Esto permite que hagamos dos cosas: primero, permite acumulemos los iones por una determinada cantidad de hora antes de que los enviemos al análisis, y en segundo lugar, permite que separemos los iones por movilidad del ión.

Esto significa que los iones consiguen enfocados en un muy de banda estrecha de iones, que refuerza sensibilidad y ofrece actividad adicional de la célula, porque los iones serán separados por su corte transversal colisional.

Las favorables aplicaciones del timsTOF el método serial de la adquisición de la fragmentación de la acumulación paralela (PASEF), que explota la movilidad atrapada del ión para levantarse a un aumento de diez veces en la secuencia de velocidad. Tiene sobre la base de usar la posición del tetrapolo y de moverla junto con los iones.

Este aumento en la secuencia de velocidad es realmente crucial para los proteomes complejos porque permite que vayamos mucho más profundos en proteomes complejos y que consigamos las respuestas cuantitativas para las muestras muy complejas en una pequeña cantidad de hora.

Su grupo de investigación se centra en usos de la espectrometría de masa de cómputo. ¿Por favor puede usted informarnos más sobre el laboratorio de Röst y los proyectos en los cuales sus personas están trabajando?

Estamos trabajando actualmente en dos pilares principales en espectrometría de masa. El primer pilar es el revelado de la nueva tecnología, porque realizamos que la tecnología actual en espectrometría de masa necesitará la mejoría antes de que poder dirigir las preguntas del gran escala y el tipo de tallas de la cohorte que queramos dirigir.

Pasamos una cantidad no despreciable de hora que desarrolla nuevo software y nuevos métodos experimentales para aumentar la reproductibilidad y la capacidad de conversión a escala de métodos espectrométricos en masa. Al mismo tiempo, tomamos estos métodos y los aplicamos en el segundo pilar de nuestro programa de investigación, que se centra en remedio personalizado.

Aquí, estamos intentando rastrear longitudinal a pacientes individuales con un montaje muy denso del muestreo, de modo que poder ver cómo los perfiles moleculares en biofluids de los pacientes los' cambian sobre su curso de la vida, y durante los plazos de la salud y de la enfermedad. Con esto, esperamos entender qué impulsa la transición de un sano a un estado enfermo.

Insulina y glucagón al lado del glóbulo rojonobeastsofierce | Shutterstock

¿Cuál es diaPASEF y cómo usted están aplicando esta técnica al remedio personalizado?

el diaPASEF es un nuevo método que incorpora el componente de la movilidad del ión en la adquisición de la independiente de los datos (dia). Estamos utilizando actualmente el diaPASEF para analizar las cohortes pacientes grandes o los peturbations grandes, que se requiere para cualquier clase de biología de sistemas de la aproximación personalizada del remedio.

Si podemos analizar perturbaciones experimentales muy grandes y cuantificar los analitos en cada perturbación, podemos entender cómo los sistemas biológicos trabajan, cómo reaccionan a las perturbaciones, y cómo se tramitan las señales.

Por otra parte, si aplicamos esto a los pacientes individuales y a las cohortes pacientes que podemos trazar el perfil molecular de un único paciente durante largos periodos del tiempo, y nosotros puede entender cómo su perfil molecular cambia en un cierto plazo mientras que sus cambios del ambiente y de la forma de vida. Eventual, podremos observar la transición de un perfil sano a un perfil de la enfermedad, y diagnosticamos esto mucho anterior.

¿Por qué es importante estudiar estas cohortes pacientes longitudinal?

El aspecto longitudinal es dominante porque permite que comparemos a pacientes individuales a sus últimos uno mismo. Queremos movernos lejos del paradigma de comparar a pacientes individuales a un promedio de la población, porque ese promedio de la población puede no ser tan informativo como comparando a su uno mismo actual, enfermo a su último uno mismo sano.

Usted puede tener un nivel de un analito que sea dos veces más alto que era hace 10 años, que es un signo malo porque significa que usted puede desarrollar cierta enfermedad. Este nivel del analito podía todavía estar dentro de la variación de población, y por lo tanto sería faltado por su doctor actual.

¿Cómo puede el aprendizaje de máquina aumentar las configuraciones de la fragmentación obtenidas con el diaPASEF, y usted cree que podemos hacer lo mismo con valores seccionados transversalmente colisionales?

Sí. El aprendizaje de máquina es una técnica que entró en proteomics hace unos años. La gente ha estado aplicando profundamente el aprendizaje en proteomics y el metabolomics con la meta saltar algunos de los pasos muy aburridos y necesitandos mucho trabajo que tenemos que hacer actualmente para la adquisición de la independiente de los datos.

Uno de estos pasos es la generación de una biblioteca espectral o del análisis. Ahora tenemos las primeras indicaciones que puede ser posible predecir totalmente estas bibliotecas espectrales, que permitirían que mináramos datos del diámetro mucho más eficientemente y directamente, sin la confianza en pruebas experimentales anteriores en las mediciones experimentales anteriores que tienen que ser hechas generalmente por la adquisición del dependiente de los datos.

Esto permite que desconectemos el eslabón aburrido donde necesitamos siempre hacer la adquisición relacionada de los datos antes de que poder hacer la adquisición independiente de los datos, y podemos entrar directamente los datos independientes de la adquisición de los datos.

Una de las fronteras siguientes predirá valores seccionados transversalmente colisionales directamente, porque ésta se requiere para minar los datos del diaPASEF. De nuestras colaboraciones con el Max Planck Institute, hemos visto que esto es posible y pronto comenzaremos a movernos en esa dirección.

Concepto del aprendizaje de máquinaZapp2Photo | Shutterstock

¿Cuáles son los retos principales en espectrometría de masa de cómputo, y cómo pueden nosotros vencer esas entregas?

Pienso uno en los retos principales de la espectrometría de masa de cómputo en el momento, relacionados específicamente con la adquisición de la dato-independiente, soy el volumen de datos escarpado. Esto ha estallado otra vez con el timsTOF favorable, donde tenemos mil veces más datos que teníamos nunca con los instrumentos tradicionales de Q-TOF. Esto es porque cada exploración individual de TOF ahora se divide en los empujes de mil individuos TOF que podemos todos analizar individualmente.

Esto consiste un gran reto en términos de escalamiento de nuestro algoritmo, pero también en la interpretación que cantidad masiva de datos. Actualmente, estamos registrando mucho más datos que podemos interpretar, así que queremos movernos hacia leveraging la cantidad completa de datos y no sólo de un pequeño subconjunto.

Pienso que es el segundo reto con la adquisición de la dato-independiente porque estamos utilizando un método que esté detectando tanto datos, nosotros necesitamos tener una manera de-convoluta estos datos y destinar el precursor individual rastrea así como sus trazos del ión del fragmento. Éste es algo que no era posible antes de que agregáramos movilidad del ión como técnica de separación.

¿Están los datos mil veces más grandes porque usted está utilizando el espectrómetro de masas en el TOF?

Son más grandes porque en todas las aproximaciones anteriores utilizamos los empujes individuales de TOF para hacer un promedio de ellos en un único espectro, mientras que ahora cada empuje de TOF se asocia a una movilidad del ión. Para tomar mediciones de alrededor de mil individuos y después hacíamos un promedio de ellas en una única medición, que permitió que comprimiéramos los datos.

Ahora, cada empuje individual de TOF se asocia a una movilidad del ión, que los medios nosotros necesitan guardar que la información y nosotros no poder combinar simple los datos más. Esto significa que tenemos mucho más información, pero también los retos del substancial en el análisis de datos.

¿Por qué usted lo asierra al hilo es importante hacer los programas que usted desarrolla el acceso abierto?

En nuestro equipo de investigación, pusimos mucho énfasis en el software libre que se convertía. Una de las razones principales de ese es diapositiva. Quisiéramos que la gente pudiera entender y reproducirse exactamente qué suceso con sus datos, que es solamente posible con software libre.

Solamente con software libre usted puede ir leer la clave que manipula sus datos de modo que usted pueda entender cómo usted llegó de un archivo de las informaciones en bruto a un valor cuantitativo del rendimiento específico.

La segunda razón es crecer a la comunidad de la adquisición de la dato-independiente alrededor del software que estamos produciendo. Poniendo el software abierto y a disposición los reveladores, permite que creemos a una comunidad de reveladores que tomen nuestras algoritmias y construyan algo encima de ella.

En vez del trabajo en nuestros silos individuales y de intentar proteger nuestra investigación, estamos intentando hacerla tan abierta como sea posible y disponible a la comunidad de modo que otras personas puedan utilizar la y estructura sobre ella.

¿Cómo usted piensa el campo en la espectrometría de masa de cómputo se desarrollará en la década próxima?

Actualmente, tenemos varios retos a resolver en espectrometría de masa de cómputo. Uno de los retos es la interpretación de los conjuntos de datos individuales necesarios para obtener la cantidad de información completa registrada por un instrumento espectrométrico en masa.

También pienso que necesitamos entrar la segunda dimensión de adquisición de datos, que es el número de muestras. Necesitamos poder hacer ese tipo de análisis reproductivo, para poder encontrar los valores cuantitativos que encontramos para los analitos en una única corrida para cada paciente. Éste es algo para el cual todavía necesitamos totalmente los nuevos algoritmos, para conseguir esto para trabajar y para vencer efectos de la mezcla.

La presentación de Hannes de la vigilancia en ASBMB 2019

Hannes Rӧst - ASBMB 2019 Presentation

¿Dónde pueden los programas de lectura encontrar más información?

  • F. Meier, A. Brunner, M. Frank, A. Ha, E. Voytik, S. Kaspar-Schoenefeld, M. Lubeck, O. Raether, R. Aebersold, A.C. Collins, H.L. Röst, M. Mann. (2019). Acumulación paralela - la fragmentación serial combinó con la adquisición de la dato-independiente (diaPASEF): Proteomics ascendente con uso óptimo cercano del ión. bioRxiv. DOI: 10.1101/656207.
  • Descubra el timsTOF favorable

Sobre Hannes Röst

Hannes Rost - imagenHannes Röst es el principal investigador del laboratorio de Röst en la universidad de Toronto. Röst terminó su Ph.D. en el laboratorio de profesor Ruedi Aebersold en ETH Zurich, donde él desarrolló métodos de cómputo nuevos para analizar datos espectrometría-basados masa del proteomics. Este trabajo no prohibido los investigadores para aumentar la producción del proteomics apuntado experimenta por hasta cien veces y aumenta el número de muestras que se podrían analizar en un único estudio.

En su papel actual, Röst y las personas desarrollan métodos espectrométricos en masa nuevos para obtener matrices altamente cuantitativas de los datos del proteomics y del metabolomics y para utilizar estos datos cuantitativos para dirigir preguntas en biología de sistemas y remedio personalizado.

Citations

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

  • APA

    Bruker Daltonics. (2019, September 30). Vigilar al Proteome humano que usa el diaPASEF. News-Medical. Retrieved on October 25, 2021 from https://www.news-medical.net/news/20190925/Monitoring-the-Human-Proteome-using-diaPASEF.aspx.

  • MLA

    Bruker Daltonics. "Vigilar al Proteome humano que usa el diaPASEF". News-Medical. 25 October 2021. <https://www.news-medical.net/news/20190925/Monitoring-the-Human-Proteome-using-diaPASEF.aspx>.

  • Chicago

    Bruker Daltonics. "Vigilar al Proteome humano que usa el diaPASEF". News-Medical. https://www.news-medical.net/news/20190925/Monitoring-the-Human-Proteome-using-diaPASEF.aspx. (accessed October 25, 2021).

  • Harvard

    Bruker Daltonics. 2019. Vigilar al Proteome humano que usa el diaPASEF. News-Medical, viewed 25 October 2021, https://www.news-medical.net/news/20190925/Monitoring-the-Human-Proteome-using-diaPASEF.aspx.