Enhanced proteome relative quantification using refined quantotypic spectral libraries

기술 요약: 정제된 양적 특성 스펙트럼 라이브러리를 이용한 향상된 단백질체 상대 정량화

문제 제기
데이터 독립적 획득(DIA) 질량 분석법은 혈장과 같은 복잡한 매질에서 단백질 식별의 폭을 크게 넓혔다. 그러나 이 분야는 라벨 프리(label-free) 단백질 정량화의 재현성과 신뢰도와 관련하여 지속적인 과제에 직면해 있다. 현재의 워크플로우는 일반적으로 모든 검출된 펩타이드를 정량 성능에 관계없이 스펙트럼 라이브러리에 포함시킨다. 저자들은 많은 펩타이드가 불규칙한 소화, 번역 후 조절(PTM), 분석적 간섭 또는 불안정성 등의 요인으로 인해 모체 단백질의 풍부도를 충실히 반영하지 못한다고 주장한다. 이러한 "정량적으로 열등한" 펩타이드를 포함하는 것은 노이즈, 편향 및 오류를 유발하여 잘못된 차등 풍부도 할당으로 이어질 수 있다. QuantUMS(DIA-NN 내)와 같은 고급 정량 알고리즘이 분석 중 불확실성을 처리할 수 있지만, 저자들은 분석 전 스펙트럼 라이브러리 자체를 최적화하는 것—즉, 분석 전에 품질이 낮은 전구체를 필터링하는 것—이 정확성, 정밀도 및 계산 효율성을 더욱 향상시킬 수 있다는 가설을 세웠다.

방법론
본 연구는 "그라운드 트루스(ground truth)" 데이터셋을 구축하기 위해 정의된 다종 스파이크인(spike-in) 모델을 활용하였다.

• 시료 준비: E. coli 용해물을 세 가지 알려진 농도(4ng, 5ng, 7.5ng)로 결핍된 인간 혈장에 각각 5회의 기술적 반복 실험으로 스파이크인하였다. 더 낮은 스파이크인 농도(0.6ng, 0.8ng, 1.2ng)와 다른 LC-MS 파라미터를 사용한 별도의 독립적인 데이터셋이 검증을 위해 추가되었다.
• 데이터 획득: Zeno TOF 7600 시스템을 사용하여 SWATH-MS 방식으로 샘플을 분석하였다.
• 라이브러리 생성 및 필터링:
  1. DIA-NN(v2.2.0)을 사용하여 in silico 예측 스펙트럼 라이브러리로 초기 분석을 수행하였다.
  2. 기술적 반복 실험으로부터 계산된 특정 품질 관리 지표를 기준으로 전구체를 필터링하였다: 변동 계수(CV), 식별 빈도, 피어슨 상관계수($R$), 관찰된 값과 기대되는 스파이크인 비율 사이의 결정 계수($R^2$), 그리고 평균 강도 비율.
  3. 필터링 기준: 전구체는 엄격한 종 특이적 임계값(예: 최소 두 농도에서 CV <30%, 5회 반복 중 $\ge$3회 식별, 특정 $R^2$ 또는 강도 비율 제약 조건)을 충족하는 경우에만 유지되었다.
  4. 이러한 고품질의, 정량적으로 대표성이 있는 전구체만을 포함하는 "미니(mini)" 스펙트럼 라이브러리가 생성되었다.
• 재분석: 비교를 위해 세 가지 라이브러리를 사용하여 원시 데이터를 재처리하였다: 원래의 in silico 예측 라이브러리, 첫 번째 패스에서 DIA-NN으로 생성된 경험적(empirical) 라이브러리, 그리고 새로운 "미니" 라이브러리.
• 통계적 평가: 성능은 이진 분류(종 식별에 기반한 True/False Positives/Negatives), ROC 곡선, 곡선 아래 면적(AUC), 풍부도 비율의 정밀도/정확도를 위한 LFQbench, 그리고 차등 풍부도 분석(DAA) 지표를 통해 평가되었다.

주요 기여

• 라이브러리 정제에 대한 개념 증명: 본 연구는 식별된 전구체의 약 25.4%를 제거(품질 지표를 통과하지 못한 것들)함으로써, 단백질 식별의 치명적인 손실 없이 다운스트림 정량화를 크게 개선할 수 있음을 입증하였다.
• 양보다 질: 본 연구는 단백질 식별 수를 극대화하는 기존의 패러다임에 도전하며, 대신 정량 가능한 펩타이드의 품질을 우선시하는 것이 더 신뢰할 수 있는 생물학적 통찰을 제공한다고 제안한다.
• 계산 효율성: "미니" 라이브러리는 파일 크기를 약 9.6 GB에서 22 MB로 줄였으며(약 99.8% 감소), 샘플당 분석 시간을 1시간 이상에서 약 6분으로 단축시켰다.
• 방법론 특이적 최적화: 저자들은 일관된 LC-MS 방법을 사용하는 대규모 코호트에 적용할 수 있는 데이터셋 특이적 정제 라이브러리를 생성하는 워크플로우를 제공한다.

결과

• 식별 유지: 라이브러리 크기의 대폭적인 감소에도 불구하고, 미니 라이브러리는 대부분의 단백질 식별을 유지하였다. 미니 라이브러리로 707개의 단백질이 식별된 반면, 예측 라이브러리로는 797개가 식별되었다. 결정적으로, "손실된" 식별 대상은 주로 품질 지표가 낮은(예: $\le$1개의 프로테오타입 펩타이드 또는 >50%의 결측치) 단백질들이었으며, 이들은 일반적으로 정량화하기에 신뢰할 수 없는 것들이다.
• 분류 정확도 향상:
  • 미니 라이브러리는 전체 분류 정확도를 83.7%(예측)에서 94.8%(미니)로 높였다.
  • 진양성(True Positives, 올바르게 식별된 차등 풍부 E. coli 단백질)은 실질적으로 증가(281에서 313)한 반면, 위양성(False Positives, 잘못 식별된 인간 단백질)은 거의 3분의 2 가까이 감소하였다.
  • 위양성률(False Positive Rate)은 0.10에서 0.03으로 떨어졌고, F1 점수는 0.94에서 0.97로 개선되었다.
• 정밀도 및 정확도 향 향상:
  • LFQbench 분석 결과, 인간 및 E. coli 단백질 모두에서 로그 비율의 표준 편차가 약 19% 감소하였으며, 이는 기대되는 풍부도 비율 주변으로 더 밀집하게 클러스터링됨을 나타낸다.
  • 풍부도 비율이 기대값의 $\pm$20% 이내에 있는 단백질의 비율은 미니 라이브러리를 통해 평균 6.1% 증가하였다.
• 차등 풍부도 분석 (DAA): 미니 라이브러리는 진정한 차등 풍부 단백질(DAP)의 검출을 개선하는 동시에 오분류를 줄였다. E4 vs E7.5 비교에서 미니 라이브러리는 더 많은 진정한 DAP를 올바르게 식별하였고(교집합 세트 내 340개 대비 345개), 더 적은 수의 거짓 안정 단백질을 식별하였다.
• 일반화 가능성: 다른 LC 구배와 더 낮은 농도를 가진 독립적인 데이터셋에 적용했을 때, 해당 데이터셋을 위해 특별히 생성된 미니 라이브러리는 전체 정확도를 77.8%에서 91.4%로 개선하였다. 그러나 원래의 미니 라이브러리를 새 데이터셋에 직접 적용했을 때는 엇갈린 결과가 나타났으며, 이는 이 방법론의 방법론 의존성(method-dependency)을 강조한다.

의의
본 논문은 이 작업이 질량 분석 워크플로우에서 식별 횟수를 극대화하려는 습관적인 초점에서 정량의 품질을 우선시하는 방향으로의 "더 넓은 변화"를 나타낸다고 주장한다. 스펙트럼 라이브러리를 필터링하여 정량적 신뢰성 지표를 통과하지 못한 전구체를 제외함으로써, 연구자들은 다음을 달성할 수 있다:

1. 더 신뢰할 수 있는 데이터: 노이즈 감소 및 잘못된 차등 풍부 할당 감소는 더 견고한 생물학적 해석으로 이어진다.
2. 자원 효율성: 계산 시간 및 저장 공간 요구 사항의 상당한 감소.
3. 임상적 유용성: 이 접근 방식은 정확한 정량화와 진정한 차등 풍부 단백질의 식별이 매우 중요하며, 잘못된 발견이 검증 자원의 오배분을 초래할 수 있는 진단 및 임상 연구에서 특히 가치가 있다.

저자들은 이를 범용적인 조직 특이적 정제 스펙트럼 라이브러리를 개발하기 위한 "개념 증명"으로 위치시킨다. 그들은 현재의 미니 라이브러리가 방법론 특이적임을 인정하며, 깊은 커버리지(deep-coverage)를 가진 여러 데이터셋으로부터 고품질 펩타이드를 교차 추출함으로써 일반적인 샘플 유형(예: 혈장)에 대해 견고한 라이브러리를 구축하는 향후 연구가 필요하다고 밝히고 있다.