Applicazione dell'approccio basato Proteomics alla clinica

Thought LeadersProfessor Matthias MannThe University of Copenhagen& The Max Planck Institute of Biochemistry

In questa intervista, il professor Matthias MANN discute il suo lavoro nel campo del proteomics e spiega perché applicare alle le tecnologie basate proteomics quale timsTOF alla clinica potrebbe accelerare la diagnosi e la previsione della malattia umana.

Che cosa in primo luogo vi ha attirato verso il campo del proteomics?

Sono venuto dal campo di spettrometria di massa prima che il proteomics anche esistesse. Quando il proteomics è venuto avanti, molta gente stava mettendo a fuoco sulla forma dei 2D gel, ma questa non mi ha interessato. Invece, l'analisi simultanea di molte componenti in una cella e gli aspetti di biologia di sistemi del proteomics del fucile da caccia hanno fatto appello a a me.

Che cosa ha scintillato il vostro interesse nella ricerca fondamentale mentre lavorava nel laboratorio di John Fenn?

Sono istruito come fisico e un matematico originalmente e lavoro iniziato con John Fenn su electrospray. Poi ho seguito l'a valle electrospray, dalla caratterizzazione le proteine singole ai complessi della proteina e poi delle installazioni sempre più complesse alle intere celle, che analizzo oggi.

A seguito di questo, ho cominciato a lavorare a capire come creare gli ioni, a come possono essere misurati e poi alla separazione ed alla velocità aumentanti per continuare con la complessità.

Perché la ritenete siete importante da vedere alle le tecniche più basate proteomics negli ambienti clinici?

Le cliniche contano molto sulle prove di laboratorio, ma è solitamente una proteina o una piccola molecola. Le domande tecniche sono circa quanto accurato queste sono. Per esempio, una volta affrontati ai diabetici con gli alti trigliceridi, gli scienziati del laboratorio sapranno che l'anticorpo smetterà di lavorare, ma la prova non dice quella. Potrebbe essere resa molto più precisa con alle le tecniche basate a spettroscopia di massa perché sono molto più digitali.

La più grande ragione di usare la spettrometria di massa è che potete misurare molte cose immediatamente. Credo forte quello che cattura simultaneamente molte misure, come un'intera via o un intero montaggio delle proteine, piombo molto meglio alle diagnosi che che cosa ora abbiamo.

Un altro aspetto è che la gente è esaminata solitamente ad una malattia, ma la maggior parte della gente ha co-morbosità che possono essere catturate utilizzando la spettrometria di massa ad un in un approccio basato a biologia dei sistemi.

Il più spesso, le malattie proverranno dalla stessa causa di base. Con il diabete, per esempio, la malattia è causata da una sindrome metabolica che può manifestarsi come diabete, ma anche come l'affezione epatica e malattie di cuore. Adottare ad un approccio basato proteomics ci forzerebbe riconoscere che più di una cosa è solitamente sbagliata.

ProteomicsYabusaka | Shutterstock

Quanto utile hanno potuto i controlli di salubrità longitudinali essere per i clinici ed i pazienti?

Ciò è una possibilità molto attraente e non è qualcosa che sia fatto attualmente. Con i nostri esperimenti di delineamento proteomic del plasma, abbiamo scoperto che la gente ha livelli stabili della maggior parte delle proteine nel plasma sanguigno. Tuttavia, egualmente abbiamo trovato che sebbene la stalla, questi livelli differisse da personale. , Quindi, sarebbe utile conoscere che cosa i livelli del riferimento di una persona sono prima di usando una manciata di questi indicatori come indicatore diagnostico.

Ciò renderebbe l'indicatore molto più sensibile perché potremmo vedere dal livello che abbiamo stabilito e vedere, per esempio, che è aumentato di 30%. In confronto, se avessimo appena la media basata sulla popolazione, non sapremmo se questa elevazione di 30% è ancora nell'intervallo normale.

Che cosa è il timsTOF PRO e perché è timsTOF, con specificamente PASEF, una soluzione attraente per le applicazioni cliniche sistematiche?

Il timsTOF pro è attraente in molti modi per noi, specialmente a causa della dimensione extra della mobilità dello ione. La dimensione di mobilità dello ione non è nuova, ma abbiamo veduto che possiamo usare la dimensione dei tims come ione che tratta l'unità. In effetti, la usiamo per allineare gli ioni e poi per fare qualcosa con loro uno alla volta mentre si eluiscono dall'unità dei tims.

Quella è la base per il PASEF; che possiamo ordinare gli ioni uno dopo l'altro mentre escono. In effetti, stiamo ordinandoli parallelamente, quindi moltiplicando la velocità d'ordinamento. Ciò è che cosa rende la combinazione dei tims con tempo di volo (TOF) così attraente per acquisizione dell'dato-indipendente.

PASEF online - diagramma che mostra i precursori separatamente fatti pagare esclusiCredito: Meier, et al. mol. Cella Proteomics. 2018.

Come gli schemi standard di acquisizione confrontano a PASEF?

Il vantaggio di PASEF è che intrappolate una volta gli ioni e poi potete selezionarli molto per ulteriore manipolazione, come ordinamento. Questo principio può essere standard, per esempio, sappiamo di dodici precursori per scansione, ma in futuro, potrebbe anche essere allungabile agli più alti numeri. Ciò sarebbe possibile da migliore assistenza tecnica, spingente per più precursori e determinante le cose in quella direzione senza pregiudicare la sensibilità.

Gli schemi standard di acquisizione possono essere più veloci, ma d'altra parte inevitabilmente, diventano meno sensibili perché ha fatto seriale.

Ciò vi significa trappola o misura il precursore per certo tempo ed aumentare la velocità che il tempo deve restringere insieme per ottenere un'più alta frequenza. Quello sarebbe sempre a scapito della sensibilità, che non è l'argomento per PASEF.

In quali campi clinici voi gradiscono si vedano i dati di PASEF che sono usando ed in perché?

Le due grandi direzioni stanno misurando le analisi del sangue ed i tessuti.  Molto siamo attirati verso la misurazione del proteome del plasma perché quello è come minimo dilagante e soltanto ha bisogno di una goccia di sangue che potete ottenere da chiunque senza emissione. Per i tessuti, è più importante per le circostanze serie come cancro, che è tessuto-più dipendente, rispetto al proteome del plasma, che può essere fatto per molta gente che non è necessariamente malata.

Gradirei a PASEF che è usando per le popolazioni a rischio, per esempio, per diagnosticare se è a rischio dell'affezione epatica. Potremmo anche esaminare quelli già diagnosticati con l'affezione epatica e poi provarli ancora dopo un intervento. Ciò richiede molte frequenti analisi del sangue, che quindi trarrebbero giovamento da essere velocemente ed a buon mercato che penso è all'interno del rinvio della tecnologia.

Per fare questo, vorremmo combinare il timsTOF di Bruker con il Evosep che ha un gradiente molto veloce in modo da possiamo fare 60 segmenti al giorno. Quel solo è buona utilizzazione dello spettrometro di massa, che può contribuire a giustificare i costi. Anche a breve scadenza, potreste fare questa analisi per i dollari di un paio di centinaia o euro ed a lungo termine potrebbe essere di meno che cento euro.

Se confrontate questo ai test ELISA, che possono costare quaranta dollari e sono meno sensibili, la risposta è semplice. Dobbiamo lavorare alla gamma dinamica, in modo dagli anticorpi possono andare basso più profondo nella gamma dinamica del proteome del plasma.

Plasma sanguignoangellodeco | Shutterstock

Pensate lo svuotamento potreste essere una soluzione?

Sì, definitivamente. Con il modo che gli sono fatti ora non sia possibile, perché ora avete bisogno delle colonne molto costose e si degradano col passare del tempo che non è buono per le applicazioni cliniche. Tuttavia, in certa forma o modulo, lo svuotamento fa parte della soluzione.

Come esempio, che cosa possono i dati di PASEF rivelare circa le cellule tumorali?

Corrente usiamo PASEF per i campioni di patologia, catturando le fette di FFPE e tagliando le aree commoventi con il microdissection del laser. I Cancri sono altamente eterogenei, in modo da tagliamo le aree più avanzate del cancro meno dall'avanzato e poi le confrontiamo.

Confrontando il proteome, possiamo vedere che cosa è differente, che ci darà gli obiettivi extra. Usiamo il software avanzato affinchè questo esaminiamo che cosa upregulated in questo cancro e quale di queste proteine corrispondono alle droghe che sono disponibili. Abbiamo fare già questo da un punto di cura o per i pazienti che erano chemorefractory ed abbiamo trovato i nuovi obiettivi che li hanno permessi di ricevere più ulteriormente il farmaco altamente mirato a.

Questo approccio non è approvato per uso molto diffuso, ma ancora stiamo lavorando a questo progetto con i piccoli gruppi pazienti. Il paziente deve approvare, i medici devono approvare e corrente, questo è puramente per i casi dove ogni altra terapia è stata esaurita.

Come possono i dati di PASEF essere usati per informare e personalizzare le pianificazioni del trattamento per i pazienti con la sindrome metabolica?

Possiamo vedere le proteine che informano sullo stato infiammatorio del paziente e poi catturano quel comitato, con altri comitati anche, per informare circa determinati aspetti dello stato di salubrità di quella determinata. Poi potremmo dire che questa persona ha infiammazione di qualità inferiore dovuto essere obesa, per esempio ed il medico potrebbe suggerire una serie di interventi di stile di vita, quali l'esercitazione più o il peso perdente.  

Tuttavia, qualche gente può trarre giovamento più dall'esercizio e un'altra persona può trarre giovamento più da peso perdente. Ciò è ben nota in pratica, ma non c'è finora la lettura per quella quando il medico deve fare una raccomandazione. Possiamo usare la nostra tecnologia per ottenere questi comitati infiammatori e dire l'esercizio senza peso perdente è abbastanza per fare diminuire lo stato infiammatorio di qualità inferiore.

Come pensate l'apprendimento automatico aumenterete le capacità di timsTOF ed aiutate il suo uso in una regolazione clinica?

Siamo eccitati sempre circa gli avanzamenti che stanno facendi in apprendimento automatico ed in profondità nell'apprendimento e come applicarli nella nostra pratica analitica. Queste tecnologie entrano a due livelli. Un livello è che possono predire le misure extra. Per esempio, abbiamo fatto il lavoro sulla misurazione della legge della collisione sopra oltre 2 milione sezioni trasversali e poi possiamo usare una struttura d'apprendimento per predire esattamente che cosa la sezione trasversale sarà per una sequenza data del peptide.

Il secondo livello è di predire il tempo di conservazione. L'altra gente ha indicato che questo può essere spettri fatti di MS-MS, anche. Ciò permette che noi prediciamo la sequenza del peptide, che cosa il suo comportamento sarà, o che cosa la sua posizione nel cuboid multidimensionale di dati sarà. Ciò ci aiuterebbe ad identificare i peptidi.

Andando più avanti a valle possiamo usare l'apprendimento automatico per classificare i pazienti, in base al loro proteome, negli stati di rischio. Ciò elimina l'esigenza di singolo biomarcatore ed invece che permette che usiate l'intero reticolo dell'espressione della proteina per vedere se ci sia un rischio di malattia. Più dati possono permettere che noi applichiamo in profondità l'apprendimento in questo contesto all'interno di un anno o di due.

Cellule tumoraliJavier Regueir | Shutterstock

Che cosa il futuro tiene per la vostra ricerca?

Abbiamo messo a fuoco molto sul proteomics clinico, ma il nostro laboratorio egualmente studia molte altre cose come l'analisi o la fosforilazione di segnalazione. Che detto, penso il mio gruppo può avere il più grande impatto in proteomics clinico con il proteome del plasma perché questo potrebbe essere usato così genericamente come sistema diagnostico per molte malattie.

Il nostro scopo è di sviluppare la ricerca più ulteriormente, ad uno stato in cui può essere usato per diagnosticare i pazienti con una serie di malattie umane. Vogliamo usare questo come calcolo facente un passo per cominciare predire il rischio di altre malattie quali le sindromi metaboliche, il cancro (cancri dipresentazione compresi) e le malattie completamente differenti quali le malattie psichiatriche o neurodegenerative.

Guardi la presentazione

Dove possono i lettori trovare più informazioni?

Circa il professor Matthias MANN

Matthias MANN - fotoIl professor Matthias MANN è il capo del dipartimento di Proteomics e di trasduzione del segnale al Max Planck Institute della biochimica. È uno dei ricercatori citati nel mondo, con oltre 200.000 citazioni. Il laboratorio di MANN piombo l'avanzamento al del proteomics basato a spettrometria di massa per le due decadi scorse.

Il professor MANN è egualmente il Direttore del programma di Proteomics al centro delle fondamenta di Novo Nordisk per la ricerca della proteina (NNF-CPR) a Copenhaghen, in cui piombo il gruppo clinico di Proteomics.

Il gruppo ha lavorato a tantissimi progetti dell'internazionale compreso il progetto MSmed UE, la sinergia Grant ToPAG di ERC, Michael J. Fox Foundation per i progetti di ricerca di Parkinson e Digimed Baviera.

Citations

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

  • APA

    Bruker Daltonics. (2019, November 20). Applicazione dell'approccio basato Proteomics alla clinica. News-Medical. Retrieved on December 10, 2019 from https://www.news-medical.net/news/20191120/Applying-a-Proteomics-based-Approach-to-the-Clinic.aspx.

  • MLA

    Bruker Daltonics. "Applicazione dell'approccio basato Proteomics alla clinica". News-Medical. 10 December 2019. <https://www.news-medical.net/news/20191120/Applying-a-Proteomics-based-Approach-to-the-Clinic.aspx>.

  • Chicago

    Bruker Daltonics. "Applicazione dell'approccio basato Proteomics alla clinica". News-Medical. https://www.news-medical.net/news/20191120/Applying-a-Proteomics-based-Approach-to-the-Clinic.aspx. (accessed December 10, 2019).

  • Harvard

    Bruker Daltonics. 2019. Applicazione dell'approccio basato Proteomics alla clinica. News-Medical, viewed 10 December 2019, https://www.news-medical.net/news/20191120/Applying-a-Proteomics-based-Approach-to-the-Clinic.aspx.