我们已经更新我们的隐私政策使它更加清晰我们如何使用您的个人资料。

我们使用cookie来提供更好的体验。你可以阅读我们的饼干的政策在这里。

广告

说罗马菲舍尔博士临床蛋白质组学

罗马费舍尔和他的一些员工在timsTOF Pro,连接到Evosep,牛津大学在他的实验室里。图片来源:罗马费舍尔。

想要一个免费的PDF版本的这个行业洞察力?

完成下面的表格,我们将电子邮件您的PDF版本“与罗马费希尔博士说临床蛋白质组学”

188金宝搏备用科技网络有限公司需要您提供的联系方式联系你关于我们的产品和服务。你可以随时取消订阅这些通讯。如何取消订阅的信息,以及我们的隐私实践和承诺保护你的隐私,看看我们隐私政策

发现蛋白质组学工具是目标发现研究所的研究机构在质谱(MS)实验室。

大规模临床蛋白质组学需求工作流来检测药物靶点和生物标志物的疾病正在增加。设备在实验设计提供建议,样品制备和分析与先进的液相色谱-光谱法(质)工作流来自牛津大学的研究人员和国家和国际的合作者来满足这一需求。

领导的设施罗马菲舍尔博士,他自己的研究兴趣在于蛋白质组学的方法开发和优化工作流程,加强结果从有限的样本数量。费舍尔最近参与的发展最全面的癌症蛋白质组之一发表到目前为止。


188金宝搏备用技术网络与费舍尔更多地了解临床蛋白质组学领域的研究人员所面临的挑战,以及如何加强他的实验室4 d蛋白质组学工作流的工作。

莫莉·坎贝尔(MC):在您看来,什么有一些最激动人心的突破最近临床蛋白质组学领域的吗?

罗马菲舍尔(RF):
关注技术,最大的突破之一必须的能力现在猎枪蛋白质组学在高吞吐量和健壮的时尚100样本/天或更多。这是一个阶跃变化,是一个巨大的进步可能不久前。然而,我们需要注意这删除一个瓶颈,创造了其他几个人,样品处理等大量的生物标本或数据分析。由于增加了吞吐量和鲁棒性,我们一定会看到更多的临床研究使用蛋白质组学作为主要读出——开发姗姗来迟。


主持人:请您能告诉我们更多关于您的开发为临床蛋白质组学高通量样品处理吗?

射频:
我将样品给分割成不同的子类。首先是抽样本身可以介绍很多变化在临床设置。还有示例的设置,它可能需要转移的1000年代样本取样管的格式可用于液体处理平台。这是1000年代新开一个瓶颈,因为它可以涉及螺旋盖子样品管的不同类型与不同的ID系统,等。接着是HT样品制备的女士,这是可再生的,但也非常简单和成本有效的自动化。每个类别提供了多重挑战和过程,目前还没有完全标准化。

主持人:你是参与其中最的发展综合癌症蛋白质组学研究迄今为止出版。是什么启发了你参与这个项目,和你的一些个人的亮点是什么?

射频:
本研究是一个纯粹的技术练习。我们是第一个发布深与Orbitrap融合lumo和蛋白质组数据的副产品探索仪器的技术能力。生成一个几乎14000蛋白质深从单个细胞蛋白质组线肯定是有趣的,但是我强调在这个数据我们可以将蛋白质组到独特的蛋白质由于显著提高序列覆盖率。这之前已经成功地尝试与多个不同的酶,但我们设法通过只使用2(胰蛋白酶和弹性蛋白酶)和75小时的仪器。

主持人:你在你的研究主要是采用什么技术,为什么?

射频:
在我的实验室里我们主要关注基于MS定量蛋白质组学。这包括使用SILAC、人口、难民和移民事务局DIA, TMT、浅绿色等。我们也在开发方法两激光捕获显微解剖蛋白质组学为了得到空间在组织和细胞类型解析。这需要我们去发展我们自己的样品制备方法基于SP3,但我们继续努力最大化蛋白质组深度从很少的材料,同时增加吞吐量100样本/天,更不影响的深度检测蛋白质组。

MC:附加信息可以从4 d蛋白质组学,获得基于蒂姆斯和PASEF、3 d相比,蛋白质组学,临床研究和为什么这是有益的吗?

射频:
许多DIA和图书馆的方法使用保留时间和质量的匹配算法。这些技术可能会遭遇相似的等压肽保留时间在复杂样品,这反过来又可能导致不一致的蛋白质识别和压缩比。添加离子流动分离的另一个方面有效地消除这个错误来源。这将导致更多的蛋白质的自信检测临床样本也减轻蛋白质组学数据的缺失值问题。有效,蒂姆斯/ PASEF我们可以识别和量化每个样本中更多的蛋白质,进而增加了检测临床相关的患者样本的改变的机会。

主持人:我们看到蛋白质组学进一步进入临床的空间。瓶颈效应这一转变目前存在哪些挑战,和我们如何克服它们?

射频:
成功在临床领域,MS-based基于蛋白质组学工作流必须符合成本效益,健壮的、简单和高吞吐量。此外,我们必须找出样品处理,数据分析和解释。每一个点是严重依赖于标准化。我想我们已经开始解决一些技术障碍,但目前可用的仪器——尽管它解决了一些瓶颈——仍远非简单与现有竞争ELISA等(但有限的)技术。

另一个重大挑战是数据分析和解释。主数据分析(蛋白质ID和定量)可以解决用蛮力计算。然而,蛋白质组学数据的自动解释“疾病与健康”提供了一个巨大的挑战,需要先进的人工智能和深刻的学习算法。虽然这是工作在许多实验室上下文特定的疾病,我认为我们仍然相当远离真正的诊断蛋白质组学。

罗马费希尔博士说,莫莉坎贝尔,科普作家、技术网络。188金宝搏备用

满足作者
莫莉坎贝尔
莫莉坎贝尔
高级科学作家
广告
Baidu