数据依赖与数据独立的蛋白质组学分析

在蛋白质组学，主要目的之一是比较感兴趣的样本(如健康组织和病变组织)，以确定哪些蛋白质表达差异，并量化这些差异。质谱分析(MS)是用于这种分析的最流行的方法之一。

目前有两种用于生成自底向上或“散弹枪“MS蛋白质组数据:数据依赖采集(DDA)和数据独立采集(DIA)。¹在串联女士(MS/MS)， DDA方法只提出了MS第一个周期产生的某些肽，用于第二个周期的片段化，而DIA方法，所有在第一轮MS循环中产生的肽可以在第二轮中被裂解。

与数据采集一样，可以使用两种主要方法之一来执行数据分析。¹数据库搜索，将测量的光谱与已建立的数据库中的光谱进行比较新创其中，MS/MS谱首先反卷积为多个“伪谱”，然后使用数据库搜索与已知谱进行比较。DDA使用第一种方法，而DIA使用后一种方法或混合方法。

在这里，我们将比较和对比蛋白质组学分析中的DDA和DIA方法，以便读者可以获得一个有用的概述，了解它们在哪里最好应用以及它们的优点和缺点是什么。

依赖数据采集(DDA)

特征

• 在串联质谱的第二阶段，只有选定的多肽被进一步裂解
• 这些选定的肽是在质量-电荷比的狭窄范围内选择的(m / z)信号强度
• 通常，选择丰度最高的前体(称为“前N”前体)进行进一步分析
• 前N位通常是10位- - - - - -总共15个肽
• 每个肽的MS/MS数据采集依次进行
• 结果数据用于搜索现有数据库^{1- - - - - -5}

优点

1. 设置和分析更简单
2. 降低对计算资源的需求
3. 运营成本更低
4. 用于DDA分析的数据库相关算法通常比新创算法
5. DDA可能是最好的靶向分析(目标肽在现有的数据库中)，因为它提供了比DIA更敏感的量化
6. 允许使用各种化学标记方法(例如，SILAC或iTRAQ)对样品之间的肽进行相对定量^{1- - - - - -5}

缺点

1. 质谱仪在飞行中确定前N个前体，然后将它们一个接一个地分割。这就引入了一定程度的偏差。
2. 因此，DDA数据集可能包含“空白”，其中肽只在某些样本中被识别出来。尽管已经引入了一些调整来缓解这一问题，但这仍然是一个问题。
3. 精度和重现性低于DIA
4. 低丰度多肽的代表性不足^{1- - - - - -5}

数据独立采集(DIA)

特征

• 在串联质谱的第二阶段，所有的肽都被分割和分析
• 串联质谱可以通过在给定时间将进入质谱计的所有离子分段(称为宽带DIA)或通过连续聚焦于窄通道来获得m / z窗口的前体，并将该窗口内检测到的所有前体分割
• MS/MS数据采集在多肽中并行进行
• 所得到的质谱高度复用(MS²光谱)^{1- - - - - -5}

优点

1. 不需要预先了解样品的蛋白质组成
2. 较少的偏差，因为所有的肽都包括在分析中
3. 允许更大的时间分辨率，这是某些分析的优势(例如，观察同一组织内蛋白质表达的变化或翻译后修饰随时间的变化)
4. 能否在大动态范围内量化复杂混合物中的蛋白质，从而克服使用DDA时欠采样的挑战
5. 提供比DDA更高的精度和更好的再现性
6. 最佳方法发现蛋白质组学由于不作任何假设(例如，比较大样本队列以观察蛋白质表达的差异)
7. DIA数据可以用改进的算法进行回顾性分析，以产生更好的结果^{1- - - - - -5}

缺点

1. 生成的数据量要大得多，因此对计算资源的要求很高
2. 由于MS的多路复用特性，数据分析具有挑战性²光谱
3. 用于DDA的健壮的基于数据库的搜索方法不能直接应用
4. 需要进一步改进用于反卷积产生的复杂光谱的工具和软件
5. 新创DDA中使用的搜索算法通常是迭代的，可能并不总是收敛于相同的答案
6. MS中的碎片离子²光谱不能追溯到它们的前体，因为它们可能是由多个前体离子产生的
7. 往往比DDA更贵
8. 在定量方面，DIA的灵敏度低于DDA，因为需要扫描整个光谱，减少了每个数据点的采集时间
9. 新创搜索算法在量化方面不如数据库搜索算法，这也会降低量化的敏感性
10. 算法需要控制已识别肽的错误发现率，同时也要识别尽可能多的真实肽^{1- - - - - -5}

最终的想法

一些专家我相信，由于对DIA数据复杂性解卷积的算法和软件的不断改进，DDA和DIA最终将合并为一个单一的混合方法。事实上，这似乎已经发生了，作为一个最近的报告还在发表的一篇文章讨论了一种叫做“数据依赖-独立获取蛋白质组学”(简称“DDIA”)的方法的发展。该方法在一次LC-MS/MS运行中结合了DDA和DIA，并使用深度学习工具进行更简化的数据分析。

总的来说，由于它易于设置和分析，如果你是串联质谱和/或发现蛋白质组学的新手，DDA可能是最好的方法。另一方面，如果你更有经验，想要对样本的蛋白质组进行公正和更深入的研究，DIA是最好的方法，尤其是当这些样本来自一种很少被研究的生物时(例如,水蚤(水生栖息地的关键物种)或细胞类型(例如，衰老细胞）．

参考文献

1. 胡A, Noble WS, Wolf-Yadlin A.蛋白质组学的技术进展:数据独立采集的新进展。F1000Res。2016;5(F1000教师Rev):419。doi:10.12688 / f1000research.7042.1．
2. 川岛Y，渡边E，梅山T，等。用于深度和高灵敏度蛋白质组学分析的数据独立采集质谱优化。Int。理学。2019; 20 (23): E5932。doi:10.3390 / ijms20235932．
3. 布吕德勒，王志强，等。在与数据无关的质谱分析中，实验参数的优化显著提高了结果的深度和可重复性。Mol细胞蛋白质组学．2017; 16(12): 2296 - 2309。doi:10.1074 / mcp.RA117.000314．