单细胞样本蛋白和肽段鉴定的挑战
单细胞蛋白质组学的仪器和样品制备方法正在不断地优化。研究单细胞的异质性对数据库检索提出了一些挑战,因为包括Mascot在内的所有的算法都是利用生物体、组织和细胞的大量样本开发的。
信号强度压缩会导致响应信号和噪音之间的界线不清晰。Mascot在匹配理论谱峰和MS/MS实际谱图时,会将谱图分割为100Da的小窗口,在每个小窗口内匹配碎片离子。只要噪音是随机的且并不是在每个窗口中完全压缩碎片离子峰,那么通常算法就能够从噪音中识别出信号峰。噪音增加往往会降低匹配峰的得分,而不是不再进行匹配。
比起大样本量的谱图来说,单细胞样本的二级谱中碎片离子峰更少。最近的一项计算研究比较了两者之间的y离子数量,表明单细胞样本的谱图数量明显区别于大量样本的谱图数。因此,如果您使用谱图库进行分析,那么谱图库应该用单细胞样本制备,而不是大量样本。
得分阈值会受影响,因为受到信号强度压缩和碎片离子少的影响,匹配到谱峰的候选肽段得分会降低。像Percolator一类的基于机器学习的重打分算法可以尝试用作提高灵敏度。
更多细节见我们的Blog,里面展示了一个单细胞样本分析的示例。
|