公开/公告号CN103890578A
专利类型发明专利
公开/公告日2014-06-25
原文格式PDF
申请/专利权人 韩国基础科学支援研究院;
申请/专利号CN201380002424.5
申请日2013-01-22
分类号G01N30/72(20060101);C12Q1/34(20060101);G06F17/10(20060101);G01N33/68(20060101);
代理机构11290 北京信慧永光知识产权代理有限责任公司;
代理人杨国强;张淑珍
地址 韩国大田市
入库时间 2023-12-17 00:40:32
法律状态公告日
法律状态信息
法律状态
2016-04-20
授权
授权
2014-07-16
实质审查的生效 IPC(主分类):G01N30/72 申请日:20130122
实质审查的生效
2014-06-25
公开
公开
技术领域
本发明涉及基于质谱法对N-连接糖肽进行识别和定量的新型生物信 息学平台。
背景技术
人血是多种蛋白的混合物,其中至少50%是糖蛋白。然而,由于糖 蛋白样品的高度复杂性和多样性,以及糖肽具有比起非糖肽而言相对更 低的质谱强度,通常不能对样品中的所有糖肽进行表征。从引入高分辨 率质谱仪起,聚糖和糖蛋白的分析发展迅速。然而,对糖蛋白进行识别 和定量所必需的生物信息学技术还未跟上时代。已知许多治疗性蛋白以 多种形式和非常复杂的方式糖基化。主要有两种用于对此类糖蛋白的糖 基化进行识别和定量的技术手段。一种手段是通过使用由酶或化合物诱 发的化学裂解来对聚糖进行识别和定量,另一手段是对糖肽进行识别和 定量。然而,用于对所释放的聚糖进行分析的方法具有无法得知糖基化 位点特异性信息的问题。如果能够对糖肽自身进行识别和定量,不但可 识别肿瘤和检查肿瘤发展,而且除糖蛋白自身外,还可获得关于糖基化 位点、N-连接糖链的大小和侧链增长数量的大量信息。
通常,糖蛋白的糖基化分析方法包括在蛋白水平上对糖蛋白进行浓 缩的步骤。但是在本发明中,使用标准糖蛋白样品进行并完成本发明。 尤其是,通过用胰蛋白酶水解所述标准糖蛋白样品而获得肽和糖肽。随 后,用高分辨率质谱仪对这些肽进行分析。将串联质谱(MS/MS)和质 谱(MS)的结果与糖肽数据库进行比较,从而对糖肽进行识别和定量。
近年来使用MS/MS或MS对糖肽进行筛选的软件可例举出: Peptoonist(David Goldberg等,Automated N-Glycopeptide Identification Using a Combination of Single-and Tandem-MS,Journal of proteome research,2007,6,3995-4005);SimGlycan (http://glycotools.qa-bio.com/SimGlycan);GlycoMiner(Oliver Ozohanics 等,GlycoMiner:a new software tool to elucidate glycopeptide composition, Rapid Communications in Mass Spectrometry,2008,22,3245-3254); GlycoSpectrumScan(Nandan Deshpande等,GlycoSpectrumScan:Fishing Glycopeptides from MS Spectra of Protease Digests of Human Colostrum slgA,Journal of proteome research,2010,9,1063-1075);GlycoPep Grader (Carrie L.Woodin等,GlycoPep Grader:A Web-Based Utility for Assigning the Composition of N-Linked Glycopeptides,Analytical Chemistry,2012) 等。
由于上述软件程序被设计为通过仅使用串联质谱来识别糖肽,因此, 对于糖肽性质的准确分析值得怀疑,且定量分析结果的不一致也是另一 问题。不支持各种高分辨率质谱仪成为了上述程序的问题。
为克服上述问题,本发明人研究并完成了使用质谱来对糖肽进行更 加有效的识别和定量的新方法,与一般肽相比,所述糖肽具有相对低的 丰度。首先,对以高浓度存在于人血清中的281种糖蛋白的糖肽(Terry Farrah等,A High-Confidence Human Plasma Proteome Reference Set with Estimated Concentrations in PeptideAtlas,Molecular Cell Proteomics,2011) 进行储存,并对此类糖肽的理论同位素分布进行建模。将获得的结果录 入数据库。在本发明中,还通过使用MS/MS和MS获得糖肽的同位素分 布,将该同位素分布与糖肽数据库进行比较,从而精确地识别糖肽,并 通过计算离子色谱图中的面积来对该糖肽进行定量。
发明内容
技术问题
本发明的目的是提供使用质谱结果对糖肽进行更加有效且精确的识 别和定量的生物信息学平台,与一般肽相比,所述糖肽具有相对低的丰 度。
技术方案
为实现上述目的,本发明提供了用于对来自糖蛋白的N-连接糖肽进 行识别和定量的新型生物信息学平台,该生物信息学平台包括如下步骤:
通过使用高分辨率质谱仪,对用蛋白酶将糖蛋白水解而制备的多肽 进行分析来获得质谱(步骤1);
将在步骤1中获得的质谱转换为MS1(质谱1)和串联谱(MS/MS) (步骤2);
计算各串联谱的M得分,所述串联谱选自于由显示出如下氧鎓离子 峰分子量的转换串联谱所组成的组:129.06、138.06、145.05、147.07、 163.06、168.07、186.08、204.08、274.09、292.10、350.15、366.14、454.16、 528.19和657.24(步骤3);
使用在步骤3中获得的M得分选择糖肽谱(步骤4);
获得在步骤4中选择的糖肽谱的MS1中的同位素分布,将该同位素 分布与数据库进行比较,从而计算S得分,并通过使用所计算的S得分 识别糖肽候选物(步骤5);
通过使用串联谱中的E得分、Y得分和Y′得分,对来自步骤5中识 别的糖肽候选物的确切糖肽进行评价(步骤6);
用在步骤6中评价的糖肽进行定量分析(步骤7);以及
通过用在步骤6中定量的糖肽进行相关性分析,对同族N-连接糖肽 进行另外的识别和定量(步骤8)。
有益效果
如上文所述,本发明提供了用于对各种样品中的具有特定糖链的糖 肽进行定量的更加有效且精确的方法,并由此通过对来自各种样品的疾 病标记物进行筛选,可将该方法有效地用于对癌症或疾病进行预测和诊 断的技术。对于希望用高分辨率质谱仪对糖蛋白生物相似性治疗药物的 糖肽和糖结构进行分析的人来说,该方法也是有用的。
附图说明
图1是示出用于对来自样品的N-连接糖肽进行识别和定量的新型生 物信息学平台的流程图。
图2a是示出糖肽和一般肽的M得分分布的图(根据生物信息学平 台的步骤2,所述生物信息学平台用于对以标准糖蛋白进行的本发明实施 例的N-连接糖肽进行识别和定量)。
图2b是示出糖肽和一般肽的灵敏度与特异性之间的相关性的图(根 据生物信息学平台的步骤2,所述生物信息学平台用于对以标准糖蛋白进 行的本发明实施例的N-连接糖肽进行识别和定量)。
图3是示出S得分优化的灵敏度与特异性之间的相关性的图,所述 S得分通过用于对以标准糖蛋白进行的本发明实施例的N-连接糖肽进行 识别和定量的生物信息学平台的步骤5中与数据库进行比较而获得。
图4a是示出在用标准糖蛋白进行的本发明实施例中识别的N-连接 糖肽中,NLTK_5200的代表性HCD谱的图。
图4b是示出在用标准糖蛋白进行的本发明实施例中识别的N-连接 糖肽中,NLTK_5200的代表性CID谱的图。
图5a是示出在用标准糖蛋白进行的本发明实施例中识别的N-连接 糖肽中,SRNLTK_5200的代表性HCD谱的图。
图5b是示出在用标准糖蛋白进行的本发明实施例中识别的N-连接 糖肽中,SRNLTK_5200的代表性ETD谱的图。
图6a是示出在生物信息学平台的步骤7中定量的糖肽相对量的饼 图,所述生物信息学平台用于对以标准糖蛋白进行的实施例1的N-连接 糖肽进行识别和定量。
图6b是示出在生物信息学平台的步骤7中定量的糖肽相对量的饼 图,所述生物信息学平台用于对以标准糖蛋白进行的实施例2的N-连接 糖肽进行识别和定量。
图7a是示出通过生物信息学平台的步骤8中的糖肽相关性分析而获 得的相关性图,所述生物信息学平台用于对以标准糖蛋白进行的实施例1 的N-连接糖肽进行识别和定量。糖肽的相对量以节点中的红色色度示出, 轮廓颜色基于图谱计数(spectrum count)。如表1所示,当串联质谱计数 的数值为0时,所述颜色显示出绿色;当串联质谱计数的数值为1时, 所述颜色显示出灰色。同样地,当该数值为2以上时,所述颜色显示出 黑色。
图7b是示出通过生物信息学平台的步骤8中的糖肽相关性分析而获 得的相关性图,所述生物信息学平台用于对以标准糖蛋白进行的实施例2 的N-连接糖肽进行识别和定量。糖肽的相对量以节点中的红色色度示出, 轮廓颜色基于图谱计数。如表2所示,当串联质谱计数的数值为0时, 所述颜色显示出绿色;当串联质谱计数的数值为1时,所述颜色显示出 灰色。同样地,当该数值为2以上时,所述颜色显示出黑色。
图8为示出相对于确定在实施例1的混合样品中的RNase B(核糖 核酸酶B)的浓度,对糖肽进行定量的图。
图9为示出相对于实施例2示出的加入至血浆中的AGP(α1-酸性糖 蛋白)的浓度,对糖肽进行定量的图。
具体实施方式
为了更加详细地描述本发明,对本说明书中所使用的术语进行如下 定义:
“蛋白酶”是指对含葡萄糖的糖蛋白的氨基酸键进行切割以生成肽 混合物的酶。
“串联质谱法”是用于对来自总质谱(MS)的所选离子(高丰度离 子或感兴趣的离子)的质谱进行分析(MS/MS)的方法。
“同位素”是指具有相同的原子序数但原子量不同的化学元素。
“同位素分组”是指对从实验获得的峰列表识别出的同位素进行分 组。
“N-糖肽同位素建模”是指由数据库建立的糖肽的理论同位素分布。
“S得分(相似度得分)”是指表示由实验获得的同位素峰分布与由 数据库理论推测的同位素峰分布之间的相似度的数值。
“δ”是指表示理论质量与经实验证实的实际质量之差的绝对值。
以下将对本发明进行详细描述。
本发明提供了用于对来自糖蛋白的N-连接糖肽进行识别和定量的新 型生物信息学平台,所述生物信息学平台包括如下步骤:
通过使用高分辨率质谱仪,对用蛋白酶将糖蛋白水解而制备的多肽 进行分析来获得质谱(步骤1);
将在步骤1中获得的质谱转换为MS1(质谱1)和串联谱(MS/MS) (步骤2);
计算各串联谱的M得分,所述串联谱选自于由显示出如下氧鎓离子 峰分子量的转换串联谱所组成的组:129.06、138.06、145.05、147.07、 163.06、168.07、186.08、204.08、274.09、292.10、350.15、366.14、454.16、 528.19和657.24(步骤3);
使用在步骤3中获得的M得分选择糖肽谱(步骤4);
获得在步骤4中选择的糖肽谱的MS1中的同位素分布,将该同位素 分布与数据库进行比较,从而计算S得分,并通过使用所计算的S得分 识别糖肽候选物(步骤5);
通过使用串联谱中的E得分、Y得分和Y′得分,对来自步骤5中识 别的糖肽候选物的确切糖肽进行评价(步骤6);
用在步骤6中评价的糖肽进行定量分析(步骤7);以及
通过用在步骤6中定量的糖肽进行相关性分析,对同族N-糖肽进行 另外的识别和定量(步骤8)。
本发明还提供了通过同位素分布的比较,用来对糖肽进行更加精确 且有效的识别和定量的生物信息学平台。尤其是,本发明提供了在使用 M得分获得糖肽谱并使用Y得分、E得分或Y′得分再次对糖肽进行确认 和评价后,通过使用同位素分布来精确识别糖肽的方法。
以下将图1用作参考,逐步地对本发明的实施例进行更加详细的描 述。
在本发明的优选实施方式中,通过包括如下步骤的方法对糖肽进行 识别和定量,但并不总限于此:
1)通过用高分辨率质谱仪Orbitrap,对用胰蛋白酶将糖蛋白水解而 制备的多肽进行分析,获得所述多肽的质谱;
2)通过使用RawExtractor v1.9,将在步骤1中获得的质谱仪RAW 文件转换为ms1(TXT)文件格式,并进一步通过使用MM File Convertion Tools v3.9将该ms1文件格式转换为ms2(MGF)文件格式;
3)由在步骤2中转换的ms2(MGF)文件的各HCD(高能碰撞解 离)谱计算M得分;
4)选择在步骤3中获得的M得分为至少1.5的糖肽谱;
5)获得在步骤4中选择的糖肽谱的MS1中的同位素分布,将该同 位素分布与数据库进行比较,从而对S得分为至少98.0的糖肽候选物进 行识别;
6)通过使用在步骤5中识别的糖肽候选物的HCD谱中的Y′得分和 CID(碰撞诱导解离)谱中的Y得分,对糖肽进行精确评价;
7)对在步骤6中识别的糖肽进行定量分析;以及
8)通过用在步骤6中识别的糖肽进行相关性分析,对同族N-糖肽 进行另外的识别和定量。
在本发明的另一优选实施方式中,优选通过包括如下步骤的方法对 糖肽进行识别和定量,但并不总限于此:
1)通过用高分辨率质谱仪Orbitrap,对用胰蛋白酶将糖蛋白水解而 制备的多肽进行分析,获得所述多肽的质谱;
2)通过使用RawExtractor v1.9,将在步骤1中获得的质谱仪RAW 文件转换为ms1(TXT)文件格式,并进一步通过使用MM File Convertion Tools v3.9将该ms1文件格式转换为ms2(MGF)文件格式;
3)由在步骤2中转换的ms2(MGF)文件的各HCD(高能碰撞解 离)谱计算M得分;
4)选择在步骤3中获得的M得分为至少1.5的糖肽谱;
5)获得在步骤4中选择的糖肽谱的MS1中的同位素分布,将该同 位素分布与数据库进行比较,从而对S得分为至少98.0的糖肽候选物进 行识别;
6)通过使用在步骤5中识别的糖肽候选物的HCD谱中的Y′得分和 ETD(电子转移解离)谱中的E得分,对糖肽进行精确评价;
7)对在步骤6中识别的糖肽进行定量分析;以及
8)通过用在步骤6中识别的糖肽进行相关性分析,对同族N-糖肽 进行另外的识别和定量。
在本发明的另一优选实施方式中,优选通过包括如下步骤的方法对 糖肽进行识别和定量,但并不总限于此:
1)通过用高分辨率质谱仪Orbitrap,对用胰蛋白酶将糖蛋白水解而 制备的多肽进行分析,获得所述多肽的质谱;
2)通过使用RawExtractor v1.9,将在步骤1中获得的质谱仪RAW 文件转换为ms1(TXT)文件格式,并进一步通过使用MM File Convertion Tools v3.9将ms1文件格式转换为ms2(MGF)文件格式;
3)由在步骤2中转换的ms2(MGF)文件中的各HCD(高能碰撞 解离)谱计算M得分;
4)选择在步骤3中获得的M得分为至少1.5的糖肽谱;
5)获得在步骤4中选择的糖肽谱的MS1中的同位素分布,将该同 位素分布与数据库进行比较,从而对S得分为至少98.0的糖肽候选物进 行识别;
6)通过使用在步骤5中识别的糖肽候选物的HCD串联谱中的Y′得 分,对糖肽进行精确评价;
7)对在步骤6中识别的糖肽进行定量分析;以及
8)通过用在步骤6中识别的糖肽进行相关性分析,对同族N-糖肽 进行另外的识别和定量。
在本发明的另一优选实施方式中,优选通过包括如下步骤的方法对 糖肽进行识别和定量,但并不总限于此:
1)通过用高分辨率质谱仪LTQ-FT,对用胰蛋白酶将糖蛋白水解而 制备的多肽进行分析,获得所述多肽的质谱;
2)通过使用RawExtractor v1.9,将在步骤1中获得的质谱仪RAW 文件转换为ms1(TXT)文件格式,并进一步通过使用MM File Convertion Tools v3.9将ms1文件格式转换为ms2(MGF)文件格式;
3)由在步骤2中转换的ms2(MGF)文件中的各CID谱计算M得 分;
4)选择在步骤3中获得的M得分为至少0.5的糖肽谱;
5)获得在步骤4中选择的糖肽谱的MS1中的同位素分布,将该同 位素分布与数据库进行比较,从而对S得分为至少98.0的糖肽候选物进 行识别;
6)通过使用在步骤5中识别的糖肽候选物的CID串联谱中的Y得 分,对糖肽进行精确评价;
7)对在步骤6中识别的糖肽进行定量分析;以及
8)通过用在步骤6中识别的糖肽进行相关性分析,对同族N-糖肽 进行另外的识别和定量。
在本发明的另一优选实施方式中,优选通过包括如下步骤的方法对 糖肽进行识别和定量,但并不总限于此:
1)通过用高分辨率质谱仪Triple-Tof,对用胰蛋白酶将糖蛋白水解 而制备的多肽进行分析,获得所述多肽的质谱;
2)通过使用AB Science MS Data Convert v1.3和ProteoWizard v2.1 (http://proteowizard.sourceforge.net/),将在步骤1中获得的质谱仪WIFF 文件转换为ms1(TXT)和ms2(MGF)文件格式;
3)由在步骤2中转换的ms2(MGF)文件中的各CID谱计算M得 分;
4)选择在步骤3中获得的M得分为至少1.5的糖肽谱;
5)获得在步骤4中选择的糖肽谱的MS1中的同位素分布,将该同 位素分布与数据库进行比较,从而对S得分为至少98.0的糖肽候选物进 行识别;
6)通过使用在步骤5中识别的糖肽候选物的CID串联谱中的Y得 分,对糖肽进行精确评价;
7)对在步骤6中识别的糖肽进行定量分析;以及
8)通过用在步骤6中识别的糖肽进行相关性分析,对同族N-糖肽 进行另外的识别和定量。
在本发明中,使用了高分辨率质谱仪,从而对更复杂且具有广泛多 样性的糖肽进行定性和定量分析,所述糖肽以低于一般肽的浓度存在。 为更快且更精确地对由质谱获得的结果进行分析,将M得分、S得分、 E得分、Y得分和y得分用于对糖肽进行识别和定量。
在上述方法中,在对一般肽谱和糖肽谱进行的分析中,使用如步骤3 中所示的M得分更加有效。可通过如下的数学式1计算所述M得分:
数学式1
(N:可观测到的氧鎓离子的数量;
n:观测到的氧鎓离子的数量;
Ii:重复分析(repeatitive analysis)中第i个峰的强度;以及
C:常数值)。
图2a示出糖蛋白标准样品(RNase B)的HCD谱的M得分分布图。 在这一分布图中,通过人工评价,将一般肽以蓝色示出,将糖肽以绿色 示出。通过ROC曲线(接受者操作特征曲线)示出一般肽与糖肽之间的 灵敏度和特异性的相关性,所述相关性为图2b中的AUC(曲线下面积), 该AUC的值是0.98。
在上述方法中,如步骤5中所示,在糖肽的识别中使用S得分是有 利的,所述糖肽识别的特征在于,将从数据库获得的理论同位素分布与 通过实验获得的同位素分布进行比较,并进行筛选。所述S得分可通过 如下的数学式2计算:
数学式2
(X1:理论同位素峰中的第n个峰的质量;
Y1:通过实验获得的同位素峰中的第n个峰的质量;
X2:理论同位素峰中的第n个峰的相对强度;
Y2:通过实验获得的同位素峰中的第n个峰的相对强度;
C1:常数值;以及
C2:常数值)。
在上述方法的步骤4中,优选通过使用糖肽的理论同位素分布建立 糖蛋白的数据库,但并不总限于此。
在上述方法的步骤5中,优选通过使用欧几里得距离对同位素质量 分布的相似度进行测量,优选通过使用Pearson相关性分析对强度分布的 相似度进行测量,从而产生S得分,但并不总限于此。
在上述方法的步骤6中,Y得分是对串联谱(CID和HCD)中的理 论糖肽片段进行确认和评价的方法。本文中,可通过如下的数学式3计 算所述Y得分:
数学式3
(N:可观测到的糖肽片段的数量;
n:观测到的糖肽片段的数量;以及
Ii:重复分析中的第i个强度)。
在上述方法的步骤6中,串联谱是HCD谱,优选通过如下的数学式 4计算Y′得分,但并不总限于此。
数学式4
Y′得分=Y得分+y得分
在本发明中,基于肽的b离子和y离子的理论分布,计算y得分。Y′ 得分是Y得分和y得分之和。
在上述方法的步骤6中,串联谱是ETD谱,优选通过如下得数学式 5计算E得分,但并不总限于此。
数学式5
(N:可观测到的糖肽片段的数量(c离子、z离子);
n:观测到的糖肽片段的数量;以及
Ii:重复分析中的第i个强度)。
基于在上述方法的步骤6中使用串联谱(MS/MS)精确识别的糖肽, 另外对同族N-糖肽进行预测。优选不用串联谱(MS/MS)、而是在MS1 中使用S得分和MS精确度对糖肽进行识别和定量,但并不总限于此。
在本发明中,本发明人在表1中示出了使用通过高分辨率质谱仪 Orbitrap获得的HCD谱和CID谱,对糖蛋白标准样品(RNase B)的糖 肽进行识别和定量的结果。
表1
在步骤7中,通过使用标准糖蛋白(RNase B)对精确识别的糖肽进 行定量分析。通过计算各糖肽的离子色谱图中的面积进行所述定量分析。 用于计算面积的各数据点是3个最强同位素峰的和。在数据点的数值为 至少7的情况下,采用高斯分布并计算分布的面积,以定量值示出。在 图6a中以维恩图示出糖蛋白标准样品(RNase B)的定量分布。如图6a 中所示,NLTK_5200(5Hex2HexNac)为40%,NLTK_6200(6Hex 2HexNac)为26%,NLTK_8200(8Hex2HexNac)为16%,NLTK_7200 (7Hex2HexNac)为11%,NLTK_9200(9Hex2HexNac)为7%。上述 定量分布与参考文献(Kathryn R.Rebecchi.等,Label-Free Quantitation: A New Glycoproteomics Approach,J.Am.Soc.Mass.Spectrom,2009,20, 1048-1059)中的一致。通过用已识别的糖肽进行相关性分析、而不使用 MS/MS,对糖肽进行另外的识别和定量。表1中MS2谱(图谱计数)为 0是对糖肽进行另外的识别和定量的实例。在实施例2中,使用通过由高 分辨率质谱仪Orbitrap获得的HCD谱和ETD谱对糖蛋白标准样品 (RNase B)的糖肽进行识别和定量,结果在表2中示出。如图6b中所 示,确认了与上述相似的定量分布:NLTK_5200(5Hex2HexNac)为44%, NLTK_6200(6Hex2HexNac)为22%,NLTK_8200(8Hex2HexNac)为 17%,NLTK_7200(7Hex2HexNac)为9%,NLTK_9200(9Hex2HexNac) 为8%,在表2中示出。
表2
总之,本发明的方法有助于对来自糖蛋白标准样品的糖肽进行精确 识别和定量。如图7a和图7b中所示,实施例1和实施例2中用糖肽进 行的定性分析和定量分析的结果以相关性图表示。通过对这些图进行比 较,可容易地对结果进行比较。这一方法可被应用于对糖蛋白进行分析 的多种不同尝试中,尤其是被预期在生物相似性药物领域中非常有用。
在本发明中,用质谱仪Orbitrap对糖蛋白标准样品进行分析,但并 不总限于此。
在本发明中,用在人血清中发现的281种糖蛋白建立数据库,但并 不总限于此。
在本发明中,仅考虑了350种糖的糖基化,但并不总限于此。
在上述方法中,在步骤8中的识别和定量后,还增加了对糖肽之间 的相关性进行分析和对各比较样品之间的相似度进行标示(mapping)的 步骤,但并不总限于此。
在上述方法中,用于水解的酶选自于由胰蛋白酶、Arg-C、Asp-N、 Glu-C、Lys-C和胰凝乳蛋白酶所组成的组,但并不总限于此。
在上述方法中,本文中所使用的质谱仪选自于由LTQ-FT、Orbitrap、 Triple-Tof、Q-Tof和QExactive所组成的组,但并不总限于此。
在上述方法中,通过使用高分辨率质谱仪进行识别和定量,所述高 分辨率质谱仪具有至少10,000的质量分辨率和高达50ppm的质量精确 度,但并不总限于此。
在上述方法中,通过使用MS1谱中的S得分对用于定量的糖肽进行 选择,但并不总限于此。
在上述方法中,由MS1谱选择的用于定量的糖肽的强度以理论上预 期的3个最强峰的强度之和示出,但并不总限于此。
本文中的糖蛋白优选提取自血清、血浆、血液、尿液、脑脊液、羊 水、滑液或洗出液(lavage fluid),但并不总限于此。
实施例
在如下的实施例、实验例和制造例中示例性地示出了本发明实际的 和当前优选的实施方式。
然而,本领域技术人员将理解的是,基于本文公开内容可在本发明 的精神和范围内进行修改和变化。
实施例1:样品制备和糖肽的定性/定量分析
糖蛋白标准样品RNase B(核糖核酸酶B)和AGP(α1-酸性糖蛋白) 购自Sigma-Aldrich。如表3中所示对所述两种样品进行混合。
表3
将各样品用胰蛋白酶在37℃下水解过夜。
使通过上述样品制备方法制备的多肽经过高分辨率质谱仪Orbitrap (Thermo Finnigan),随后至LC/ESI-MS/MS。为检验各样品的可再现性, 所述分析重复三次。通过使用免费软件程序RawExtractor v1.9(The Scripps Research Institute,La Jolla,CA)和MM File Convertion Tools v3.9 (http://www.massmatrix.net/mm-cgi/downloads.py),将质谱仪RAW文件 转换为ms1(TXT)文件和ms2(MGF)文件。基于各质谱结果,通过 使用本发明用于对N-连接糖肽进行识别和定量的新型生物信息学平台, 对RNase B的糖肽进行识别和定量。
实施例2:样品制备和糖肽的定性/定量分析
糖蛋白标准样品AGP(α1-酸性糖蛋白)购自Sigma-Aldrich。从血 浆中去除6种高浓度的蛋白。如表4中所示,通过将AGP加入血浆来制 备样品混合物。
表4
使通过上述样品制备方法制备的多肽经过高分辨率质谱仪Orbitrap (Thermo Finnigan),随后至LC/ESI-MS/MS。为检验各样品的可再现性, 所述分析重复三次。通过使用免费软件程序RawExtractor v1.9(The Scripps Research Institute,La Jolla,CA)和MM File Convertion Tools v3.9 (http://www.massmatrix.net/mm-cgi/downloads.py),将质谱仪RAW文件 转换为ms1(TXT)文件和ms2(MGF)文件。基于各质谱结果,通过 使用本发明用于对N-连接糖肽进行识别和定量的新型生物信息学平台, 对AGP的糖肽进行识别和定量。
工业应用
如上文所述,可将本发明有效地用于开发和检验用于癌症诊断的新 的生物标志物,还可有效地用于生物相似性药物技术,以有助于对作为 糖蛋白生物治疗药物的糖肽和葡萄糖结构进行分析。
机译: 生物信息学平台,用于高通量鉴定和定量N-糖肽
机译: 用于高通量鉴定和定量N-糖肽的生物信息学平台
机译: 高通量鉴定和定量N-糖肽的生物信息学平台