Data Independent Acquisition Pipeline for Microbiome Samples (Microbe-DIA)
本文提出了一种优化的、可扩展且具有成本效益的微生物组元蛋白质组学流程，该流程结合了改进的 LC–MS/MS 获取参数与一种计算高效的、无需谱库的数据非依赖性采集（DIA）工作流，旨在不依赖经验光谱库的情况下提高样本通量和定量性能。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
微生物是这个世界的隐形建筑师，它们生活在我们的土壤、海洋，甚至我们的身体内部。为了理解这些微小的群落究竟在做什么——例如它们如何分解废物、循环养分或影响人类健康——科学家们会观察它们产生的蛋白质。蛋白质是生命的功能性工作者；它们是执行维持生物体生存所需任务的机器。然而，在成千上万种不同物种组成的混合人群中研究这些蛋白质是非常困难的。这就像试图在体育场内所有人都在大声喧哗时，去听清其中某一个人的对话。物种的多样性以及它们各自数量的巨大差异，使得捕捉群落活动的清晰图景变得异常困难。
多年来，研究这些蛋白质的标准方法类似于一种“聚光灯”法，它一次只能挑选出那些最响亮的声音。这种方法对于简单的样本效果很好，但在复杂的微生物组中，它会错过那些较安静、含量较低的声音，从而留下大量的数据空白。一种被称为“数据非依赖性采集”（data-independent acquisition）的新方法尝试通过将整个声音频谱切分为宽泛的片段，来同时倾听所有人的声音。虽然这种方法捕捉到了更多的信息，但从历史上看，它对于大规模研究来说速度太慢，并且需要一个庞大的、预先制作好的“声音库”来解析这些噪音。如果没有那个库，数据会过于复杂而难以分析，尤其是在处理自然环境中极其丰富的遗传多样性时。
来自太平洋西北国家实验室（Pacific Northwest National Laboratory）的一个研究小组开发了一种流线型的流程，解决了这些问题，使科学家能够快速且准确地分析复杂的微生物群落，而无需预先存在的库。他们使用一个精心构建的微生物组模型测试了该方法，该模型混合了来自46种不同细菌菌株的多肽。这个模型作为一个受控环境，研究人员确切知道其中存在哪些物种以及它们的比例，从而验证了他们的新方法是否能正确识别并测量这些物种。
研究人员首先优化了质谱仪（用于称量和鉴定这些蛋白质的仪器）的设置。他们发现，用于捕获蛋白质片段的“窗口”大小至关重要。通过使用更窄的窗口，他们可以更清晰地分离信号，识别出的蛋白质数量显著多于使用宽窗口的情况。随后，他们将这种新颖的快速方法与传统的、较慢的方法进行了对比。传统方法需要将样本分成12个部分进行分析，每个部分耗时两小时，这意味着单个样本就需要一整天的仪器运行时间。相比之下，新方法仅需六小时即可完成整个样本的分析。在调整时间因素后，新方法每小时识别的蛋白质数量几乎是旧方法的九倍，这证明了速度的提升并未以牺牲准确性为代价。
为了应对在海量潜在蛋白质数据库中进行搜索的计算挑战，该团队创建了一个名为“无库依赖型代谢蛋白质组学分析”（Metaproteomic Analysis with DIA Library-free，简称MADL）的两步处理过程。第一步充当过滤器，将搜索范围缩小到几乎所有细菌都共有的最核心生物通路，例如涉及能量产生和DNA复制的通路。这极大地减少了计算机需要搜索的数据库规模。一旦计算机根据这些核心功能识别出可能存在的生物体，它就会利用该列表在第二步中精炼搜索，专注于所检测到的生物体的特定功能。这种方法使他们能够成功识别出测试混合物中已知的28种物种中的25种，即使是在针对土壤和肠道环境包含数百万种潜在蛋白质的数据库进行搜索时也是如此。
该研究还解决了如何处理不同物种间高度相似蛋白质的问题。通过使用一种逻辑方法将这些共有蛋白质分配给最可能的来源，团队发现他们可以比以前多定量化数千种蛋白质。他们证实，该方法可以准确地重建微生物群落的组成，并与测试混合物中菌株的已知比例相匹配。此外，他们在更先进、更快速的质谱仪Astral上测试了这一工作流，发现它能在仅一个多小时内完成分析，同时仍能以高精度识别数千种蛋白质。
这项工作表明，现在进行大规模、高通量的微生物群落研究已不再受限于创建定制库或消耗数天仪器时间的瓶颈。研究人员展示了通过结合优化的仪器设置与智能的两步计算策略，科学家可以捕捉到微生物群落功能的全面视图。这为研究这些群落如何随时间变化或如何响应不同的环境条件打开了大门，其细节程度和速度在以前是无法企及的。该方法提供了一种实用且可扩展的方式，使我们能够从仅仅列出哪些微生物存在，转向深入理解它们在复杂的生态系统中究竟在做什么。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。