Carafe2 enables high quality in silico spectral library generation for timsTOF data-independent acquisition proteomics

In dit artikel wordt Carafe2 voorgesteld, een softwaretool die diepe leermodellen gebruikt om direct op timsTOF DIA-ruwe data te trainen en zo experiment-specifieke, hoogwaardige *in silico* spectraallibraries genereert die de peptide-detectie en -kwantificatie aanzienlijk verbeteren ten opzichte van bestaande methoden.

De kern

Stel je voor dat je een enorme, chaotische bibliotheek binnenstapt. Deze bibliotheek bevat de "levensverhalen" van alle eiwitten in je lichaam. Maar in plaats van boeken op planken, liggen deze verhalen verspreid over de vloer in duizenden kleine, gebroken stukjes papier. Jouw taak is om deze stukjes terug te vinden, te ordenen en te begrijpen wat ze vertellen.

Dit is wat wetenschappers doen met proteïnomica (het bestuderen van eiwitten) met een heel gevoelige machine genaamd een massaspectrometer.

Hier is hoe het nieuwe software-pakket Carafe2 uit dit artikel deze taak makkelijker maakt, vertaald naar alledaags taal:

1. Het Probleem: De "Gedrukte" Bibliotheek

Om de gebroken stukjes papier (eiwitten) te vinden, hebben onderzoekers een spoorboekje nodig. Dit spoorboekje vertelt hen: "Als je dit stukje papier ziet, moet het er zo uitzien, op dit tijdstip verschijnen en op deze manier bewegen."

Vroeger maakten ze dit spoorboekje door eerst een heleboel proeven te doen (DDA), waarbij de machine willekeurig stukjes uitkiest om te meten. Het probleem?

• Het is als een blindeman die probeert een boek te lezen door willekeurige letters te raden.
• Als je een nieuwe proef doet (bijvoorbeeld met een ander type machine of een andere vloeistof), past het oude spoorboekje niet meer. De "tijdstippen" en "bewegingen" zijn net anders.
• De nieuwe machine (de timsTOF) is super snel en kan ook zien hoe zwaar de stukjes zijn in de lucht (een extra dimensie), maar de oude spoorboekjes konden die extra dimensie niet lezen.

2. De Oplossing: Carafe2 (De Slimme Vertaler)

Carafe2 is een slimme software die dit probleem oplost. In plaats van een statisch spoorboekje te gebruiken, leert Carafe2 direct van de nieuwe proef die je net hebt gedaan.

• De Analogie van de "Lokale Gids":
  Stel je voor dat je op vakantie gaat in een vreemd land. Je hebt een oude reisgids (het oude spoorboekje) die zegt: "De trein vertrekt om 10:00 en stopt bij station A." Maar in dit nieuwe land vertrekt de trein om 10:15 en stopt bij station B. Als je op de oude gids vertrouwt, mis je je trein.
  Carafe2 is als een lokale gids die je meeneemt. Hij kijkt naar de trein die nu vertrekt, leert hoe de mensen eruitzien, hoe snel ze lopen en waar ze precies stoppen. Hij maakt direct een nieuw, perfect spoorboekje specifiek voor deze reis.

3. Hoe werkt het? (De Drie Slimme Voorspellingen)

Carafe2 gebruikt kunstmatige intelligentie (diep leren) om drie dingen perfect te voorspellen voor elk stukje eiwit:

1. Wanneer komt het aan? (Retentie tijd: Hoe lang duurt het voordat het de machine bereikt?)
2. Hoe sterk is het signaal? (Fragment ion intensiteit: Hoe fel licht het op?)
3. Hoe beweegt het? (Ion mobiliteit: Hoe snel "zweeft" het door de lucht in de machine?)

Vroeger waren deze voorspellingen vaak onnauwkeurig omdat ze gebaseerd waren op oude data. Carafe2 "fine-tunes" (stelt af) deze voorspellingen direct op de data die je net hebt gegenereerd. Het resultaat? Een spoorboekje dat 100% klopt met de realiteit van jouw specifieke experiment.

4. De Resultaten: Meer gevonden, minder fouten

In het artikel tonen ze aan dat Carafe2 wonderen doet:

• Meer gevonden: Ze vonden tot 13% meer eiwitten dan met de oude methoden. Het is alsof je in de bibliotheek plotseling 13% meer boeken terugvindt die je eerder over het hoofd zag.
• Beter in complexe situaties: Zelfs bij zeer moeilijke monsters (zoals bloedplasma, wat als een modderpoel van eiwitten is) werkt het beter dan het maken van een spoorboekje door duizenden aparte proeven te doen.
• Geen extra werk: Het werkt direct op de ruwe bestanden van de machine. Je hoeft geen tijd te verspillen aan het omzetten van bestanden naar een ander formaat.

5. Extra Hulpmiddelen: TimsQuery en Timsviewer

Om het nog makkelijker te maken, hebben ze twee extra tools gebouwd:

• TimsQuery: Dit is de "sleutel" die direct de deur van de machine opent om de data te halen, zonder tussenstappen.
• Timsviewer: Dit is een bril waarmee je kunt kijken naar de gevonden stukjes. Je kunt zien of het gevonden stukje echt klopt met het voorspelde spoorboekje. Het is als een vergrootglas waarmee je kunt checken: "Ja, dit is echt het stukje papier dat we zochten, het is geen nep!"

Conclusie

Carafe2 is een revolutie in het bestuderen van eiwitten. Het maakt de overstap van "willekeurig gissen met een oud spoorboekje" naar "precies weten wat er gebeurt met een slim, zelflerend gidsje". Hierdoor kunnen wetenschappers sneller, goedkoper en nauwkeuriger ziektes onderzoeken en nieuwe medicijnen ontwikkelen, omdat ze eindelijk alles kunnen zien wat er in die complexe bibliotheek van het leven verstopt zit.

Technische samenvatting

Probleemstelling

Data-Independent Acquisition (DIA) proteomics, vooral in combinatie met Trapped Ion Mobility Spectrometry (TIMS) op het timsTOF-platform (diaPASEF), biedt hoge reproduceerbaarheid en diepe dekking voor peptide-detectie. Echter, de analyse van deze complexe data is afhankelijk van spectrale bibliotheken die de verwachte eigenschappen van peptiden bevatten, zoals retentietijd (RT), fragment-ion intensiteit en ionenmobiliteit (IM).

Bestaande in silico generatietools voor deze bibliotheken hebben twee belangrijke beperkingen:

1. DDA-DIA mismatch: De meeste tools zijn getraind op Data-Dependent Acquisition (DDA) data. Wanneer deze modellen worden toegepast op DIA-data (en specifiek timsTOF-data), ontstaat er een mismatch die experiment-specifieke bias niet goed kan vangen.
2. Gebrek aan IM-ondersteuning: Veel bestaande tools ondersteunen geen voorspelling van ionenmobiliteit, een cruciale dimensie voor het onderscheiden van co-eluerende interferenties in timsTOF-experimenten.
3. Data-conversie: Bestaande workflows vereisen vaak conversie van native Bruker-bestanden (.d) naar tussenformaten zoals mzML, wat de verwerkingstijd en complexiteit verhoogt.

Methodologie

De auteurs introduceren Carafe2, een uitbreiding van het bestaande Carafe-softwaretool, specifiek ontworpen om hoogwaardige, experiment-specifieke in silico spectrale bibliotheken te genereren voor timsTOF DIA-data.

Kerncomponenten van de methodologie:

• Directe verwerking van native data: Carafe2 gebruikt een nieuw ontwikkeld, standalone Rust-based hulpmiddel genaamd TimsQuery. Dit tool leest direct native Bruker .d mappen zonder conversie naar mzML, wat de toegang tot de hiërarchische structuur van timsTOF-data (retentietijd en ionenmobiliteit) efficiënter maakt.
• Deep Learning Fine-tuning: In plaats van modellen te trainen op DDA-data, gebruikt Carafe2 deep learning-modellen die worden gefine-tuned (verfijnd) op de specifieke DIA-data van het experiment.
  • De modellen voorspellen drie sleutelparameters: Retentietijd (RT), fragment-ion intensiteit (MS2) en ionenmobiliteit (IM, uitgedrukt als $1/K_0$).
  • Het fine-tuning-proces gebruikt een "train on human, test on yeast" (of vice versa) strategie om de generalisatie en nauwkeurigheid te valideren.
• Integratie en GUI: Carafe2 is geïntegreerd in Skyline en beschikt over een grafische gebruikersinterface (GUI) die drie workflows ondersteunt:
  1. Generatie van een bibliotheek vanuit een bestaand DIA-NN resultaat.
  2. Generatie van een bibliotheek met een geïntegreerde DIA-NN zoekopdracht.
  3. Een end-to-end DIA-analyse workflow.
• Visualisatie: Een nieuw hulpmiddel, Timsviewer (geschreven in Rust), is ontwikkeld om de geanalyseerde timsTOF-data te inspecteren. Dit tool toont Extracted Ion Chromatograms (XICs) en vergelijkt waargenomen MS2-spectra met de voorspellingen uit de gegenereerde bibliotheek, zonder afhankelijkheid van vendor SDK's.

Belangrijkste Bijdragen

1. Carafe2 Software: Een open-source tool die in silico bibliotheken genereert die specifiek zijn afgestemd op timsTOF DIA-experimenten via fine-tuning op de eigen dataset.
2. TimsQuery: Een efficiënte, vendor-onafhankelijke library voor het direct lezen en verwerken van native Bruker timsTOF raw-data.
3. Timsviewer: Een cross-platform visualisatietool voor het inspecteren van DIA-data en spectrale bibliotheek-prestaties.
4. Validatie op diverse datasets: Uitgebreide evaluatie op globale proteoom-, fosfoproteoom- en plasma-proteoomdatasets, inclusief klinische samples (longkanker en triple-negatieve borstkanker).

Resultaten

De prestaties van Carafe2 werden vergeleken met modellen die vooraf getraind zijn op DDA-data (AlphaPeptDeep), ingebouwde modellen van DIA-NN, en empirische bibliotheken gegenereerd uit DDA-experimenten.

• Verbeterde Voorspelling:
  • Fragment-ion intensiteit: Fine-tuning resulteerde in een significante verbetering van de Spearman-correlatie tussen waargenomen en voorspelde intensiteiten. Op fosfoproteoom-data verbeterde de correlatie bij 79,92% van de peptiden.
  • Retentietijd (RT) en Ionenmobiliteit (IM): De gefine-tuned modellen toonden een hogere lineaire overeenkomst ($R^2$) en minder niet-lineariteit in de extremen van de RT-reeks vergeleken met DDA-pretrained modellen. Voor IM was de fine-tuning essentieel om experiment-specifieke verschuivingen in de mobiliteitsschaal te compenseren.
• Toename in Peptide-detectie:
  • Het gebruik van de volledig gefine-tunde Carafe2-bibliotheek in DIA-NN leidde tot een 12,70% toename in het aantal gedetecteerde peptide-precursoren in vergelijking met de DDA-pretrained baseline op globale proteoom-data.
  • Op fosfoproteoom-data was de winst nog groter (tot 13,1% meer detecties vergeleken met empirische DDA-bibliotheken).
  • Carafe2 presteerde beter dan de ingebouwde "library-free" modus van DIA-NN en empirische bibliotheken gegenereerd uit 63 DDA-runs voor complexe plasma-samples.
• Kwantificering en FDR:
  • De precisie van de kwantificering (coëfficiënt van variatie) bleef vergelijkbaar met andere methoden, maar de nauwkeurigheid van de ratios verbeterde.
  • FDR-controle: Analyse met een entrapment-strategie toonde aan dat het gebruik van Carafe2-bibliotheken de False Discovery Rate (FDR) controle niet ondermijnt; de geschatte foutieve ontdekkingen bleven onder de 1% drempel.
• Biologische Toepassing: In een studie naar longkanker plasma identificeerde Carafe2 16,3% meer significant gereguleerde precursoren tussen kanker- en controlegroepen dan de DIA-NN ingebouwde bibliotheek, wat aantoont dat de verbeterde detectie leidt tot meer statistische kracht.

Betekenis en Conclusie

Carafe2 lost een kritieke beperking op in de timsTOF DIA-proteomics: de afhankelijkheid van DDA-getrainde modellen die niet optimaal presteren op DIA-data. Door direct te trainen op de specifieke experimentele condities (inclusief de ionenmobiliteit-dimensie), levert Carafe2 superieure spectrale bibliotheken op.

De tool maakt het mogelijk om:

1. Meer peptiden te detecteren, zelfs in complexe matrices zoals plasma.
2. Betrouwbare kwantificering te behouden zonder FDR-bias.
3. De workflow te versnellen door het elimineren van data-conversie en het gebruik van native bestandsformaten.

De combinatie van Carafe2 (generatie), TimsQuery (data-access) en Timsviewer (visualisatie) vormt een end-to-end, open-source ecosysteem dat de toegankelijkheid en nauwkeurigheid van timsTOF DIA-proteomics aanzienlijk verbetert, zowel voor globaal proteoomonderzoek als voor gerichte toepassingen.