如需在网页中查看本邮件,请点击这里

newsletter banner

 

欢迎

在 Thermo Proteome Discoverer 中,将Mascot Server升级到3.1后可以轻松地增加 50% 的肽段鉴定数量。

本月的重点刊物揭示了母体免疫激活如何在后代神经干细胞中引发翻译失调。

我们在 2025 年的 美国HUPO 会议上展示了一张海报,描述了 Mascot 的可定制机器学习适配器框架。

 

2025.03, #124

Mascot和Proteome Discoverer
使用Mascot发表的特色文章
可定制的机器学习适配器
关于Matrix Science
 

 

Mascot:25 年来值得信赖的质谱蛋白质鉴定参考标准

申请试用

 

在Mascot和Proteome Discoverer中使用机器学习

 

Thermo Proteome Discoverer(简称PD)是一款强大的蛋白质组学数据分析工具,它内置了一个与Mascot Server无缝衔接的节点,支持从Mascot Server 2.0到最新的3.x版本。然而,目前Mascot节点尚未提供用户界面来选择DeepLC(用于预测保留时间)MS2PIP模型(用于预测碎片离子强度)。从Mascot Server 3.1开始,用户可以在Mascot instrument editor中定义这些参数。当使用新配置的“instrument”提交搜索时,Mascot会自动运行MS2Rescore,利用Percolator优化搜索结果,并将优化后的结果导出到PD中。

这种集成方式适用于所有版本的PD,包括1.4、2.x和3.x,且无需对软件本身进行任何更改。为了验证这一功能的有效性,我们在PD 3.1和PD 2.4中处理了一个基准数据集(编号PXD028735)中的QC DDA(数据依赖采集)运行数据。这些原始数据是通过Thermo Orbitrap QE HF-X质谱仪使用HCD(高能碰撞解离)技术获取的。我们在Mascot中配置了一个名为“MS2PIP:HCD2021”的仪器,该仪器选择了MS2PIP模型中的HCD2021参数来预测碎片离子强度。

在PD 3.1中,使用“MS2PIP:HCD2021”仪器后,识别出了34,141个肽段Group,相比未使用机器学习时增加了近60%。在PD 2.4中,同样的设置识别出了35,047个肽段Group,增幅超过100%。PD 2.4中增幅更大的原因是,未启用机器学习时,评分阈值的计算方法存在差异。而在启用机器学习后,两种版本的评分阈值均合理且一致,所得结果与Mascot Server中的Protein Family Summary报告高度吻合。

完整的细节可在我们的博客中找到。

Illustration for blog summary

 

 

使用Mascot 发表的特色文章

在这里,我们重点介绍了最近有趣且重要的文章,该文章采用Mascot进行蛋白质鉴定,定量或表征,如果您想要您的文章也在这里重点推荐,请发送给我们PDF或URL

 

Maternal immune activation imprints translational dysregulation and differential MAP2 phosphorylation in descendant neural stem cells

Sandra M. Martín-Guerrero, María Martín-Estebané, Antonio J. Lara Ordóñez, Miguel Cánovas, David Martín-Oliva, Javier González-Maeso, Pedro R. Cutillas & Juan F. López-Giménez

Molecular Psychiatry (2025) doi:10.1038/s41380-025-02905-5

环境压力源,如病毒感染,可能在怀孕期间引发母体免疫激活(MIA),进而影响后代中枢神经系统的正常发育。在人类中,这一过程与神经精神疾病的发生有关联。为揭示其机制,作者从怀孕小鼠的胎儿中培养了神经干细胞(NSC)系,并用聚肌苷酸:聚胞苷酸(Poly (I:C))处理这些细胞。Poly (I:C)是一种双链RNA的合成类似物,能够模拟病毒感染的急性期。对照组则用生理盐水处理。样本随后接受了转录组学、蛋白质组学和磷酸化蛋白质组学分析。

在通过LC-MS/MS进行蛋白质组学和磷酸化蛋白质组学分析时,作者使用Mascot Distiller从原始数据生成峰列表,并使用Mascot Server鉴定肽段。通过Mascot Daemon实现这些步骤的自动化,之后使用Pescal进行非标记定量(LFQ)分析。在分化的Poly (I:C) NSCs和生理盐水NSCs之间,蛋白质表达模式存在多个差异,并且在基础磷酸化蛋白质组谱中发现了显著差异。有趣的是,这些差异在转录组学数据中并不明显。

大多数表现出差异磷酸化的蛋白质与细胞骨架结构相关,参与神经元突起的形成。特别地,作者鉴定了52种不同的与微管相关的MAP2磷酸化肽段,其中17种在Poly (I:C)组中相对于生理盐水组有所增加。作者指出,MAP2的过度磷酸化与精神分裂症患者的死后脑组织样本以及其他动物模型中的观察结果一致。

Thumbnail from featured publication

 

 

可定制的机器学习适配器框架

 

Mascot Server 3.0 推出了一套可定制的机器学习适配器框架。这个适配器是一个独立的程序,接受 Mascot 结果文件和 CSV 规范文件作为输入。它能够执行任何必要的计算或调用外部工具。适配器的输出是一个 CSV 表格,包含每个肽段匹配的计算或预测特征。Mascot 会将这些特征与 Percolator 输入文件中的核心特征合并,然后运行 Percolator 对结果进行重新评分。

我们利用这个适配器框架将 MS2Rescore 与 Mascot 集成,但它也可以用于集成任何机器学习预测器。更多详情请参见我们在美国 HUPO 2025 上的海报

Illustration of Mascot tip

 

 

About Matrix Science

Matrix Science为蛋白组学的研究人员以及科学家提供生物信息分析工具,帮助大家更快速,更可信的鉴定和定量蛋白。Mascot每年被2000 多篇论文引用,软件全线支持来自Agilent, Bruker, Sciex, Shimadzu, Thermo Scientific和Waters质谱仪生成的质谱数据。

Matrix Science logo

联系我们或我们的营销合作伙伴,了解如何利用 Mascot 推动蛋白质组学研究的更多信息。

Mastodon   Bluesky   Twitter   LinkedIn   Youtube

 

Matrix Science Ltd, 64 Baker Street, London W1U 7GB, UK
T +44 (0)20 7486 1050  F +44 (0)20 7224 1344  E info@matrixscience.com
 

View in a web browser Forward to a colleague Unsubscribe