Beyond Delta Masses: MS Andrea Directly Resolves Combinatorial Peptide Modifications in Open Searches

In dit artikel wordt MS Andrea, een nieuwe zoekengine voor open modificatiesearch, voorgesteld die in staat is om tot vier variabele peptide-modificaties direct op PSM-niveau te identificeren en te scoren zonder voorafgaande definitie, waardoor een gedetailleerdere karakterisering van peptide-modificaties mogelijk wordt met behoud van competitieve prestaties.

De kern

🕵️‍♀️ De Duitse Detective: Hoe MS Andrea de "Onbekende Gasten" in je Eiwitten Ontdekt

Stel je voor dat je een gigantische bibliotheek hebt vol met boeken (dit zijn de eiwitten in je lichaam). Elke pagina in deze boeken is geschreven in een code van 20 verschillende letters (de aminozuren). Normaal gesproken weten we precies welke letters op welke pagina staan.

Maar soms gebeurt er iets vreemds: er komt een post-it op een letter geplakt, of er wordt een stukje van de pagina vervangen. In de wetenschap noemen we dit een post-translationele modificatie (zoals fosforylering). Deze post-its vertellen de cel wat er moet gebeuren met het eiwit.

Het probleem? Soms zijn er niet één, maar vier of vijf post-its op één pagina, en we weten niet precies welke het zijn of waar ze zitten.

🚧 Het Probleem met de Oude Methodes

Vroeger gebruikten onderzoekers zoekmachines (zoals MSFragger of Sage) om deze boeken te scannen.

• Hoe het werkte: De machine zag dat een pagina zwaarder was dan verwacht. Ze zeiden: "Aha! Er is een gewichtsverschil van 80 Dalton. Ergens op deze pagina zit een post-it van 80 Dalton."
• Het nadeel: De machine gaf je alleen het gewicht van de post-it. Ze zeiden niet welke post-it het was (misschien is het een 'fosfaat', misschien iets anders?) en ze gaven je geen zekerheid over waar op de pagina hij zat.
• De consequentie: De onderzoeker moest als een detective zelf gaan gissen en andere dure tools gebruiken om uit te zoeken wat die post-it precies was. Als er meerdere post-its waren, werd het een onmogelijke puzzel.

🌟 De Nieuwe Held: MS Andrea

In dit artikel presenteren de auteurs MS Andrea, een nieuwe zoekmachine die dit probleem oplost. Je kunt MS Andrea zien als een super-scherpe detective die niet alleen het gewicht meet, maar ook de post-it zelf leest en direct op de juiste plek plakt.

Hier is hoe MS Andrea werkt, stap voor stap:

1. Het Vinden van "Steekwoorden" (Sequencing Tags)
Stel je voor dat je een boek hebt waarvan de tekst grotendeels onleesbaar is door inktvlekken. MS Andrea kijkt niet naar het hele boek, maar zoekt naar kleine, duidelijke fragmenten van letters die nog wel leesbaar zijn.

• Vergelijking: Het is alsof je in een rommelige kamer zoekt naar drie specifieke objecten die je zeker weet dat er liggen (bijvoorbeeld: een rode bal, een blauwe hoed en een groene auto). Zodra je die drie vindt, weet je dat je in de juiste kamer bent.
• MS Andrea haalt deze "steekwoorden" uit de meetdata en filtert direct alle boeken weg die niet deze letters bevatten. Dit maakt het zoeken enorm snel.

2. De Grote Filter (De "Gaten in de Muur")
Nadat de boeken zijn gefilterd op basis van deze steekwoorden, kijkt MS Andrea naar het totale gewicht.

• Vergelijking: Stel je een muur voor met een gat. Als een boek precies door het gat past, mag het door. Maar omdat er modificaties (post-its) kunnen zitten, is het gat heel groot (van -500 tot +1 Dalton). Veel boeken komen hierdoor nog binnen.

3. De Twee-Fase Score (Eerst de Basis, Dan de Details)
Nu begint het echte werk. MS Andrea doet dit in twee stappen:

• Stap 1: Het bekijkt de boeken alsof er geen post-its zijn. Het zoekt de beste match.
• Stap 2: Het kijkt naar de boeken die overbleven en vraagt zich af: "Hoeveel post-its passen er precies in het gewichtsverschil dat we zagen?"
  • Hier is de magische truc: MS Andrea probeert combinaties van tot wel vier verschillende post-its tegelijkertijd.
  • Vergelijking: Stel je voor dat je een slot hebt met 4 sleutelgaten. De oude machines probeerden maar één sleutel. MS Andrea probeert alle mogelijke combinaties van 4 sleutels tegelijk om te zien welke combinatie precies past in het gat dat we zagen.

4. Het Resultaat: Directe Antwoorden
In plaats van alleen te zeggen "Er is een gewichtsverschil", zegt MS Andrea:

"Ik heb dit eiwit gevonden. Het heeft drie post-its: één fosfaat op letter 7, één fosfaat op letter 12, en één fosfaat op letter 25."

🏆 Wat hebben ze ontdekt?

De auteurs hebben MS Andrea getest op twee soorten "boeken":

1. Menselijke cellen (HeLa): Een complexe bibliotheek.
2. Plantencellen (Arabidopsis): Een andere, even complexe bibliotheek.

De resultaten:

• Meer vondsten: MS Andrea vond meer unieke "pagina's" (peptiden) dan de oude methodes (MSFragger en Sage).
• Beter in complexe situaties: Waar de oude machines faalden bij eiwitten met veel post-its (3 of 4), slaagde MS Andrea erin om deze correct te identificeren.
• Geen gissen meer: De onderzoeker hoeft niet meer zelf te raden wat de modificaties zijn. Het antwoord staat direct in het rapport.

💡 Waarom is dit belangrijk?

In de biologie is het cruciaal om te weten waar en wat er aan een eiwit verandert. Als je een ziekte bestudeert, kan het zijn dat een eiwit met drie specifieke post-its ziek maakt, terwijl een eiwit met één post-it gezond is.

Met de oude methodes zag je alleen "er is iets veranderd". Met MS Andrea zie je precies: "Het is deze specifieke verandering op deze specifieke plek." Dit maakt het veel makkelijker om nieuwe medicijnen te ontwikkelen of ziektes beter te begrijpen.

Kort samengevat:
MS Andrea is de nieuwe, slimme detective die niet alleen ziet dat er iets vreemds is gebeurd in je eiwitten, maar ook direct vertelt wie de dader is, waar hij zat en hoe hij eruit zag – zelfs als er meerdere daders tegelijk aan het werk waren.

Technische samenvatting

Probleemstelling

In de proteomica op basis van massaspectrometrie (MS) zijn "Open Modification Search" (OMS) strategieën populair geworden voor het identificeren van peptiden met onbekende of onverwachte post-translationele modificaties (PTM's). Bestaande OMS-zoekmachines (zoals MSFragger en Sage) hebben echter een significant nadeel: ze rapporteren meestal alleen het totale massaverschil (delta mass) tussen de precursor en het gematchte peptide. Ze identificeren of scoren niet expliciet combinaties van meerdere modificaties op het niveau van de Peptide-Spectrum Match (PSM).
Dit betekent dat de interpretatie van massaverschuivingen aan de gebruiker wordt overgelaten, die vaak downstream-tools moet gebruiken om de specifieke modificaties en hun locaties af te leiden. Bovendien zijn veel bestaande tools beperkt in het aantal simultane variabele modificaties dat ze kunnen modelleren (vaak beperkt tot één of twee), wat de sensitiviteit voor complexe peptiden met meerdere modificaties vermindert.

Methodologie: MS Andrea

De auteurs stellen MS Andrea voor, een nieuwe OMS-zoekmachine die is ontworpen om tot vier variabele modificaties per peptide direct te identificeren en te scoren zonder deze vooraf te hoeven definiëren. De kern van de methode bestaat uit een gefaseerde aanpak:

1. Preprocessing en Sequence Tags:

   • Spectrumdata worden gepreprocessed (verwijdering van precursorpieken, deconvolutie/desisotoping).
   • Er wordt een sequence tag-based strategie toegepast. Op basis van de fragmentpieken worden "edges" gegenereerd tussen pieken waarvan het massaverschil overeenkomt met één of twee aminozuren.
   • Hieruit worden sequence tags van 2, 3 of 4 aminozuren geëxtraheerd. Deze tags worden gebruikt om het zoekruimte-effectief te filteren.

2. Tweestaps-filtering:

   • Filtering op basis van tags: Peptiden uit de database die minstens één tag van 3-4 aminozuren (of twee tags van 2 aminozuren) bevatten, worden geselecteerd. Omdat niet bekend is of de tags op basis van b- of y-ionen zijn gevonden, worden ook de omgekeerde sequenties meegenomen.
   • MS1-tolerantie: De resterende kandidaten worden gefilterd met een zeer brede MS1-tolerantie (-500 Da tot +1 Da) om een groot scala aan combinaties van modificaties uit de Unimod-database te omvatten.

3. Scoring:

   • Fase 1 (Vaste modificaties): De overgebleven kandidaten worden gescoord met de MS Amanda-scoringfunctie, rekening houdend alleen met vaste modificaties. De top-10 kandidaten worden behouden.
   • Fase 2 (Variabele modificaties): Voor deze top-kandidaten wordt de tweede scoring uitgevoerd. Het algoritme berekent het massaverschil tussen de precursor en het geselecteerde peptide. Vervolgens worden combinaties van tot vier modificaties uit de Unimod-database gegenereerd die samen precies dit massaverschil opleveren.
   • De peptiden worden opnieuw gescoord met deze specifieke modificatiecombinaties. De beste match wordt gerapporteerd.

Belangrijkste Bijdragen

• Directe identificatie op PSM-niveau: In tegenstelling tot bestaande tools die alleen een delta-massa rapporteren, levert MS Andrea direct de identiteit van de modificatie(s) en de exacte locatie(s) op het aminozuur op het niveau van de PSM.
• Combinatorische scoring: Het systeem kan tot vier variabele modificaties per peptide simultaan modelleren en scoren, wat een significant voordeel is ten opzichte van de beperkingen van concurrenten.
• Efficiëntie: Door het gebruik van sequence tags als eerste filter wordt de zoekruimte drastisch verkleind voordat de zware scoring plaatsvindt, wat de rekentijd beheersbaar houdt ondanks de open zoekstrategie.

Resultaten

De prestaties van MS Andrea werden geëvalueerd op twee datasets: gefosforyleerde peptiden uit HeLa-cellen en uit Arabidopsis thaliana. De resultaten werden vergeleken met de populaire OMS-tools MSFragger en Sage.

• Aantal PSM's: MS Andrea identificeerde het hoogste aantal PSM's bij een False Discovery Rate (FDR) van 1%, zowel met de standaard target-decoy-aanpak (STDA) als met machine learning-based post-processing (Percolator).
  • In de HeLa-dataset vond MS Andrea gemiddeld ~6100 PSM's (STDA) en ~8300 PSM's (met Percolator), wat hoger was dan MSFragger en Sage.
• Peptideniveau: Op het niveau van unieke peptiden waren de resultaten vergelijkbaar tussen de tools, wat aangeeft dat ze over het algemeen dezelfde peptiden vinden.
• Modificatie-identificatie: Het cruciale verschil zit in de detailniveau.
  • Voorbeeld: In Table 1 en 2 wordt getoond dat MS Andrea complexe peptiden met meerdere fosforylaties correct identificeert en lokaliseert.
  • MSFragger en Sage rapporteren vaak alleen het totale massaverschil of wijzen een decoy-peptide toe wanneer de modificatiecombinatie te complex is voor hun model. MS Andrea slaagde erin om in gevallen waar andere tools faalden (bijv. decoy-identificatie), toch een hoge score voor een target-hit te behalen door de specifieke modificatiecombinatie te matchen.

Betekenis en Conclusie

MS Andrea vertegenwoordigt een belangrijke doorbraak in de proteomische data-analyse. Door de interpretatie van massaverschuivingen te automatiseren en direct te koppelen aan specifieke modificaties en locaties op PSM-niveau, elimineert het de noodzaak voor uitgebreide downstream-analyse voor het ontcijferen van delta-massa's.

De tool maakt het mogelijk om complexere biologische fenomenen te bestuderen, zoals peptiden met meervoudige PTM's, die tot nu toe vaak onopgemerkt bleven of verkeerd werden geïnterpreteerd door bestaande zoekmachines. MS Andrea combineert hiermee competitieve identificatieprestaties met een veel diepere en interpreteerbaarde karakterisering van peptidemodificaties. De tool is beschikbaar als command-line interface voor Windows, Linux en macOS.