PEAKS 11免疫肽组学分析完整工作流应用实例详解
2024-02-23 来源:本站 点击次数:1586
摘要
免疫肽组学是促进基于肽的疫苗研发和癌症免疫治疗发展的一个重要研究途径。在没有蛋白质序列参考数据库的情况下，de novo可以直接从MS2谱图中鉴定出潜在的非典型多肽。因此，将常规数据库搜索与从头测序相结合将是免疫肽组学研究的一种很有前景的方法。在这里，我们展示了在PEAKS 11中分别对DDA和DIA数据进行免疫肽组分析的完整工作流程。
简介
基于质谱的多肽组学研究对于发现免疫肽，特别是肿瘤特异性抗原(TSA)或肿瘤相关抗原(TAA)至关重要。质谱数据分析通常依赖于先验的蛋白质序列进行数据库搜索，然而这种方法只适用于经典通路下产生的多肽，对于标准蛋白质序列数据库中没有的非典型多肽就无法解析出来。
基于de novo的质谱数据分析可以作为非典型多肽发现的优选方案，因为它不需要蛋白质序列作为参考。但目前常用的“target-decoy”方法是为经典DB search而设计的，并不适用于从头测序的多肽鉴定。如Fig 1所示，我们建立了一种新的兼容DB search和de novo结果FDR计算的方法，并将其应用于PEAKS 11软件的DeepNovo Peptidome工作流中，整合了PEAKS DB search、SPIDER和深度学习算法，专门用于分析内源性多肽组，尤其是免疫肽组的数据， 结果展现出较高的灵敏度。
Fig 1 DeepNovo peptidome工作流程示意图
我们选择了PXD038782[1]中的TimsTOF HNSCC(头颈鳞状细胞癌)的HLA-I和HLA-II数据，原文中数据使用PEAKS Studio的Database search完成分析，我们在PEAKS Online的DeepNovo Peptidome工作流中重新分析，并与文献发表结果进行了对比。
结果
我们在DeepNovo Peptidome工作流程中分析了先前发表的数据，多肽鉴定数平均增加了37%，其中约有20%的多肽是通过DeepNovo和Homolog发现的。Fig 2表明我们的DeepNovo工作流程覆盖了接近97%的已报道序列，并且具有相同的肽段长度分布趋势。
Fig 2 文献发表结果与重分析结果韦恩图
Fig 3 肽段长度分布
原文献中，为了寻找与HNSCC相关的自然呈递的TSA，作者对该病例的肿瘤组织和良性组织分别进行了WES，然后通过传统搜库方式鉴定到了两个新抗原表位：LPADVTEDEF和VYPLAFVLI。而这两条多肽在我们重分析的结果中，仅通过DeepNovo就得到了很好的鉴定（Fig 4），可极大地节约样本测序的成本和时间。
Fig 4 DeepNovo鉴定结果谱图展示
然后，我们使用MHCMotifDecon 1.1 [2]分别对文献报道结果和DeepNovo重分析的结果进行了MHC binding Motif分析，结果显示DeepNovo能挖掘出更多的潜在MHC ligands（Fig 5-6）。
Fig 5 MHC class I motif deconvolution
Fig 6 MHC class II motif deconvolution
结论
PEAKS DeepNovo Peptidome 工作流整合了深度学习的算法，在免疫肽组学数据分析方面表现出良好的灵敏度和准确性，大大提高了免疫肽组质谱数据挖掘的深度。
如果您想了解更多关于DeepNovo Peptidome工作流，点击DeepNovo Peptidome-一个新的DDA和DIA的多肽组工作流。
参考文献
1.Hoenisch Gravel, N., Nelde, A., Bauer, J. et al. TOFIMS mass spectrometry-based immunopeptidomics refines tumor antigen identification. Nat Commun 14, 7472 (2023). https://doi.org/10.1038/s41467-023-42692-7.
2.Accurate MHC Motif Deconvolution of immunopeptidomics data reveals high relevant contribution of DRB3, 4 and 5 to the total DR Immunopeptidome. Saghar Kaabinejadian, Carolina Barra, Bruno Alvarez, Hooman Yari, William Hildebrand, Morten Nielsen. Frontiers in Immunology 26 January 2022. Sec. Antigen Presenting Cell Biology, DOI: 10.3389/fimmu.2022.835454.
3.Tran, N. H., Zhang, X., Xin, L., Shan, B., & Li, M. (2017). De novo peptide sequencing by deep learning. Proceedings of the National Academy of Sciences of the United States of America, 114(31), 8247–8252. https://doi.org/10.1073/pnas.1705691114
-扫码关注-
www.bioinfor.com (EN)
www.deepproteomics.cn（CN）
作为生物信息学的领军企业，BSI专注于蛋白质组学和生物药领域，通过机器学习和先进算法提供世界领先的质谱数据分析软件和蛋白质组学服务解决方案，以推进生物学研究和药物发现。我们通过基于AI的计算方案，为您提供对蛋白质组学、基因组学和医学的卓越洞见。旗下著名的PEAKS系列软件在全世界拥有数千家学术和工业用户，包括：PEAKS Studio，PEAKS Online，PEAKS GlycanFinder, PEAKS AB及抗体综合表征服务等。
联系方式：
021-60919891；
sales-china@bioinfor.com