布魯克發布PaSER重磅更新，強大新算法支持diaPASEF

• 　　布魯克PaSER? 2022軟件加入TIMS DIA-NN模塊，具有處理dia-PASEF?數據的能力

• 　　創新的TIMScore算法支持dda-PASEF數據和dia-PASEF庫，與TIMS DIA-NN相結合，僅需35分鐘梯度即可從200ng K562裂解液中鑒定約9000種蛋白質組

• 　　TIMScore能將磷酸化肽段鑒定結果進一提升約25%

　　美國南卡羅來納州查爾斯頓  -2022年2月28日  -在美國HUPO會議上，布魯克公司（納斯達克代碼：BRKR）宣布了其TIMS DIA-NN軟件，可用于高通量、深度和無偏的4D-蛋白質組學工作流程。它采用了現在最新的TIMScore算法，該算法利用機器學習(ML) 來預測胰蛋白酶裂解肽段和磷酸化肽段的CCS值。傳統搜索算法會因低信噪比和嵌合譜干擾造成的不確定性，導致肽譜無法成功匹配，但通過TIMScore算法將測量的CCS值與CCS值進行參考比對，可以得到最可能的匹配結果。該軟件是在2021年收購的IP2軟件的基礎上進行開發，這些功能可在基于GPU運行的PaSER 2022新版本軟件中實現。

　　圖：啟用 CCS 的原數據庫（target,藍色）/反向數據庫（decoy,紅色）搜索的3D箱線圖。額外的第3個維度減少了蛋白質鑒定的不確定性，并提供更精確和準確的肽譜匹配結果。

　　布魯克·道爾頓生物信息學項目經理Dennis Trede博士解說：“我們采用成千上萬上胰蛋白酶裂解肽段和磷酸化肽段數據集作為機器學習的訓練數據，其中包括雙電荷、三電荷和四電荷價態的肽段，開發了一個肽段CCS的轉換模型。該模型對胰蛋白酶裂解肽段的預測準確率高達95%，對磷酸化胰蛋白酶裂解肽段的預測準確率高達92%，這是普遍最具有生物學意義的翻譯后修飾。隨后，我們通過使用已發布的數據集（Ogata 等人），將識別的肽段數量從42,930提高到98,949，這比最初發布的多近3.5倍。TIMScore信息庫為dia-PASEF工作流程奠定了基礎，從而可以更深入地研究蛋白質組，并具有高通量和高靈敏度的優勢，從而大規模地獲取更多的序列和更廣的翻譯后修飾覆蓋范圍。”

　　DIA-NN的共同發明者之一、德國柏林Charité愛因斯坦生物化學教授Markus Ralser說：“在與布魯克的持續合作中，我們將DIA-NN定制成流線型處理工具并放入以CCS為核心的dia-PASEF數據處理中。它也可以簡化并加速數蛋白質的鑒定，即使在非常短的梯度中，也可以很容易地定量數千種蛋白質。我們很高興在與布魯克密切合作中，推出了供應商集成版本，即TIMS DIA-NN，并將其變成PaSER生物信息學平臺的一部分。”

　　布魯克蛋白質組學生物信息學架構師Robin Park博士補充說：“由于我們的深度學習（DL）訓練模型還包含磷酸化肽段數據，TIMScore將磷酸化肽譜匹配（PSM）和肽段鑒定結果在數據集層面平均提高了61%。更令人興奮的是，使用嚴格的5% FLR卡值確定的磷酸化肽段鑒定結果增加了57%。由于翻譯后修飾的不穩定性、化學計量或其優先解離性，翻譯后修飾的位點定位仍存在困難；隨著更多訓練數據的獲取，我們也將在TIMScore算法中添加更多翻譯后修飾。”

　　PaSER 2022包括TIMScore算法和TIMS DIA-NN，可用于處理來自timsTOF Pro 2、timsTOF SCP和timsTOF fleX系統的dia-PASEF數據。

　　在實時質譜采集中，PaSER將同樣的數據流機制應用于dia-PASEF，并能在在采集運行結束時觸發譜圖庫搜索，實現“運行即完成”（Run and Done）以支持高通量4D-蛋白質組學流程。

　　參考文獻

　　Demichev, Nat Methods. 2020: https://dx.doi.org/10.1038%2Fs41592-019-0638-x

　　Demichev, bioRxiv 2021: https://doi.org/10.1101/2021.03.08.434385

　　Ogata K, Chang CH, Ishihama Y (2010). Effect of Phosphorylation on the Collision Cross Sections of Peptide Ions in Ion Mobility Spectrometry. Mass Spectrom (Tokyo)； doi:10.5702/massspectrometry.A0093.