Preparación de muestras para análisis de Endopeptidomic en el líquido cefalorraquídeo humano
Summary
Se presenta un método para el análisis de espectrometría de masa de péptidos endógenos en humanos del líquido cerebroespinal (CFS). Por medio de filtración de corte de peso molecular, fraccionamiento la cromatografía, análisis de espectrometría de masa y una posterior combinación de estrategias de identificación de péptidos, fue posible ampliar la peptidome CSF conocido casi diez veces en comparación con a estudios previos.
Abstract
Este protocolo describe un método para identificar péptidos endógenos en humanos del líquido cerebroespinal (CFS). Para ello, un método previamente desarrollado basado en la filtración de peso molecular (MWCO) de corte y análisis de espectrometría de masa fue combinado con un paso de fraccionamiento la HPLC fase inversa de alto pH fuera de línea.
Secreción en LCR es la principal vía para la eliminación de moléculas de arrojar por las células del sistema nervioso central. Así, muchos procesos en el sistema nervioso central se reflejan en el LCR, haciéndola un líquido valioso de diagnóstico. CSF tiene una composición compleja, que contiene proteínas que abarcan un rango de concentración de 8-9 órdenes de magnitud. Además de proteínas, estudios anteriores han demostrado también la presencia de un gran número de péptidos endógenos. Mientras menos estudiado que las proteínas, estas también pueden tener interés potencial como biomarcadores.
Péptidos endógenos se separaron del contenido de proteína del CSF a través de filtración MWCO. Quitando la mayoría del contenido proteínico de la muestra, es posible aumentar el volumen de la muestra estudiada y así también el importe total de los péptidos endógenos. La complejidad de la mezcla filtrada péptido fue abordada mediante la inclusión de una fase inversa paso de fraccionamiento antes de HPLC (RP) a un pH alcalino antes el análisis por LC-MS. El fraccionamiento fue combinado con un esquema simple concatenación donde 60 fracciones se agruparon en 12, consumo de tiempo de análisis así podría reducirse evitando en gran parte la elución.
Identificación de péptidos automatizada fue realizada usando programas de software de identificación de tres diferentes péptidos/proteínas y posteriormente combinar los resultados. Los diferentes programas fueron complementarios más que comparable con menos del 15% de las identificaciones comprometidos entre los tres.
Introduction
Biomarcadores en líquido cefalorraquídeo (LCR) están transformando actualmente investigación en enfermedades neurodegenerativas. En la enfermedad de Alzheimer, el trastorno neurodegenerativo más común, afectando a más 60 millones de personas en todo el mundo1,2, un trío de biomarcadores de la beta amiloide péptido, estabilización de microtúbulos de proteína tau y un fosforilados forma de tau, puede detectar la enfermedad con alta sensibilidad y especificidad y ha sido incluido en los criterios de investigación diagnóstica3. En otras enfermedades neurodegenerativas como la enfermedad de Parkinson y esclerosis múltiple, estudios proteómicos han identificado a numerosos candidatos de biomarcadores, algunas de las cuales actualmente están siendo evaluados en estudios clínicos4,5 ,6.
Junto a las proteínas, CSF también contiene una gran cantidad de péptidos endógenos7,8,9,10,11,12. Que constituyen productos de escote de muchas proteínas derivado del cerebro, estos péptidos también representan una fuente potencialmente importante de biomarcadores de la enfermedad. Para aumentar el inventario de péptidos endógenos identificados en LCR humana y permiten análisis de endopeptidomic de la CFS en estudios clínicos, se desarrolló un método para la preparación de la muestra y el análisis por LC-MS (un esquema breve protocolo ha sido incluido en la figura 1 ). La aplicación de este método en un estudio reciente resultó en la identificación de péptidos endógenos casi 16.400 del CSF en muestras de CSF combinadas de varios individuos de diagnósticos no específicos, ampliando el conocido endopeptidome de CSF diez veces13. El método puede utilizarse opcionalmente junto con enfoque etiquetado isobárica para la cuantificación.
Preparación de la muestra
La fuente principal de la masa de proteína en LCR es los componentes del plasma (albúmina e inmunoglobulinas) pasar por encima de la sangre cerebral barrera14,15. Su abundancia alta dificulta la detección de componentes de la muestra bajo abundante, derivado del cerebro. Péptidos endógenos pueden ser fácilmente separados de las proteínas alto abundante, lo que permite un mayor volumen de extracto de péptido CSF a utilizarse para el análisis de LC-MS, lo que permite la detección de péptidos inferior abundante.
En el protocolo presentado aquí, filtración de peso molecular (MWCO) de corte sirvió para separar los péptidos de la CSF de la fracción de proteína; un método que se ha utilizado en varios anteriores estudios8,9,10,11,12,16. El paso de filtración fue seguido por un paso de fraccionamiento anterior RP HPLC offline realizado sobre un gradiente de fase móvil de alto pH. Realizando dos pasos RP HPLC en tándem, con el pH siendo la principal distinción, la diferencia en selectividad entre los dos pasos resulta principalmente de la retención de péptidos alterados como consecuencia de Estados de carga distintos péptidos. La solicitud de fraccionamiento antes de péptidos de alto pH antes de LC-MS en condiciones ácidas ha demostrado ser eficaz en el aumento de péptidos identificación17,18e incluso a ser superior para este fin en complejo biológico muestras en comparación con más separación orthogonal modos19, como fuerte gato-ion exchange (SCX) y RP20. Para acortar el tiempo de análisis, se utilizó un esquema de concatenación, puesta en común cada fracción 12th (p. ej., fracciones 1, 13, 25, 37 y 49), que debido a la alta energía de RP HPLC todavía en gran medida evita la elución de péptidos de diferente fracciones en el LC-MS paso20,21.
Identificación de péptidos
Identificación del péptido en peptidomic estudios difiere de estudios proteómicos en que ninguna hendidura de la enzima se puede especificar en la búsqueda de la base de datos, y como consecuencia, las tasas de identificación son generalmente más bajo11. Un reciente estudio13 demostró que las tasas de identificación de péptidos endógenos obtenidos con Sequest y mascota mejoraron sustancialmente cuando el valor por defecto que el algoritmo del programa respectivo se modificó mediante la puntuación de adaptación algoritmo de percolador, indicando que algoritmos de puntuación óptima para péptidos endógenos se diferencian de la de péptidos trípticos13. En ese estudio, identificación basada en la secuenciación de novo de péptidos automático utilizando el software de picos (BSI) fue encontrado para ser complementario a los motores de búsqueda basada en huellas digitales dos fragmento iones, resultando en un conjunto mayor de identificados péptidos.
Protocol
Representative Results
Discussion
La introducción de un alto pH RP HPLC fraccionamiento previo paso a un protocolo previamente desarrollado para la recuperación de péptidos endógenos de ultrafiltración de peso molecular11 reducción de la complejidad relativa de la muestra y lo permitido para una 5 veces mayor volumen de muestra a ser estudiada. Esto, a su vez, incrementó la concentración del subconjunto de péptidos presentes en cada fracción y así mejora las posibilidades de detectar péptidos abundantes bajas.
<p c…Divulgations
The authors have nothing to disclose.
Acknowledgements
Muchas gracias a Tanveer Batth y colegas para asesoría en establecer el método de fraccionamiento anterior.
Este trabajo contó con financiamiento del Consejo de investigación sueco, la Wallström y Fundación Sjöblom, la pistola y Bertil Stohne Fundación Stiftelse, la Fundación de Bergwall de Magnus, Åhlén Fundación, Alzheimerfonden, Demensförbundet, Stiftelsen för Gamla Tjänarinnor, Knut y Alice Wallenberg Foundation, Frimurarestiftelsen y FoU-Västra Götalandsregionen.
Los principales destinatarios de la financiación de este proyecto fueron Kaj Blennow, Henrik Zetterberg y Johan Gobom.
Materials
| 1 M Triethylammonium bicarbonate | Fluka, Sigma-Aldrich | 17902-100ML | TEAB |
| 8 M Guanidinium hydrochloride | Sigma-Aldrich | G7294-100ML | GdnHCl |
| Tris(2-carboxyethyl)phosphine hydrochloride | Pierce | 20490 | TCEP |
| Iodoacetamide | SIGMA | I1149-5G | IAA |
| Hydroxylamine 50% (w/w) | Sigma-Aldrich | 457804-50ML | |
| Acetonitrile, Far UV, HPLC gradient grade | Sigma-Aldrich | 271004-2L | AcN |
| Formic acid | Fluka, Sigma-Aldrich | 56302-1mL-F | FA |
| Triflouroacetic acid | Sigma-Aldrich | T6508-10AMP | TFA |
| Ammonium hydroxide solution | Sigma-Aldrich | 30501-1L-1M | NH4OH |
| Amicon Ultra-15 Centrifugal Filter Unit with Ultracel-30 membrane | Merck Millipore | UFC903024 | MWCO-filter |
| Sep-Pak C18, 100 mg | Waters | WAT023590 | SPE-column |
| Resprep 12-port SPE Manifold | Restek | 26077 | Vacuum manifold |
| TMT10plex Isobaric Label Reagent Set | Thermo Fisher Scientific | 90110 | TMT10plex |
| UltiMate 3000 RSLCnano LC System | Dionex | 5200.0356 | Online sample separation |
| Ultimate 3000 RPLC Rapid Separation Binary System | Dionex | IQLAAAGABHFAPBMBEZ | Offline high-pH fractionation |
| Orbitrap Fusion Tribrid mass spectrometer | Thermo Scientific | IQLAAEGAAPFADBMBCX | Mass spectrometer for sample analysis |
| Proteome Discoverer 2.0 | Thermo Fisher Scientific | IQLAAEGABSFAKJMAUH | Proteomics search platform |
| Mascot v2.4 | Matrix Science | - | Proteomics search engine |
| Sequest HT | Thermo | - | Proteomics search engine |
| PEAKS v7.5 | Bioinformatic Solutions Inc.) | - | Proteomics search engine |
| Acclaim PepMap 100, 75 µm x 2 cm, C18, 100 Å pore size, 3 µm particle size | Thermo Fisher Scientific | 164535 | Trap column (nano HPLC) |
| Acclaim PepMap C18, 75 µm x 500 mm, 100Å pore size, 2 µm particle size | Thermo Fisher Scientific | 164942 | Separation Column (nano HPLC) |
| Savant SpeedVac High Capacity Concentrators | Thermo Fisher Scientific | SC210A-230 | SpeedVac/Vacuum concentrator |
| XBridge Peptide BEH C18 Column, 130Å, 3.5 µm, 2.1 mm X 250 mm | Waters | 186003566 | Separation Column (micro HPLC) |
References
- Wimo, A., et al. The worldwide costs of dementia 2015 and comparisons with 2010. Alzheimers Dement. 13 (1), 1-7 (2017).
- Scheltens, P., et al. Alzheimer’s disease. Lancet. 388 (10043), 505-517 (2016).
- Dubois, B., et al. Advancing research diagnostic criteria for Alzheimer’s disease: the IWG-2 criteria. Lancet Neurol. 13 (6), 614-629 (2014).
- Olsson, B., et al. CSF and blood biomarkers for the diagnosis of Alzheimer’s disease: a systematic review and meta-analysis. Lancet Neurol. 15 (7), 673-684 (2016).
- Spellman, D. S., et al. Development and evaluation of a multiplexed mass spectrometry based assay for measuring candidate peptide biomarkers in Alzheimer’s Disease Neuroimaging Initiative (ADNI) CSF. Proteomics Clin Appl. 9 (7-8), 715-731 (2015).
- Höglund, K., et al. Alzheimer’s disease—Recent biomarker developments in relation to updated diagnostic criteria. Clin Chim Acta. 449, 3-8 (2015).
- Stark, M., Danielsson, O., Griffiths, W. J., Jornvall, H., Johansson, J. Peptide repertoire of human cerebrospinal fluid: novel proteolytic fragments of neuroendocrine proteins. J Chromatogr B Biomed Sci Appl. 754 (2), 357-367 (2001).
- Yuan, X., Desiderio, D. M. Human cerebrospinal fluid peptidomics. J Mass Spectrom. 40 (2), 176-181 (2005).
- Berven, F. S., et al. Pre-analytical influence on the low molecular weight cerebrospinal fluid proteome. Proteomics Clin Appl. 1 (7), 699-711 (2007).
- Zougman, A., et al. Integrated analysis of the cerebrospinal fluid peptidome and proteome. J Proteome Res. 7 (1), 386-399 (2008).
- Holtta, M., et al. Peptidome analysis of cerebrospinal fluid by LC-MALDI MS. PLoS One. 7 (8), e42555 (2012).
- Holtta, M., et al. An integrated workflow for multiplex CSF proteomics and peptidomics-identification of candidate cerebrospinal fluid biomarkers of Alzheimer’s disease. J Proteome Res. 14 (2), 654-663 (2015).
- Hansson, K. T., et al. Expanding the cerebrospinal fluid endopeptidome. Proteomics. 17 (5), (2017).
- Guldbrandsen, A., et al. In-depth characterization of the cerebrospinal fluid (CSF) proteome displayed through the CSF proteome resource (CSF-PR). Mol Cell Proteomics. 13 (11), 3152-3163 (2014).
- Kroksveen, A. C., Opsahl, J. A., Aye, T. T., Ulvik, R. J., Berven, F. S. Proteomics of human cerebrospinal fluid: discovery and verification of biomarker candidates in neurodegenerative diseases using quantitative proteomics. J Proteomics. 74 (4), 371-388 (2011).
- Hölttä, M., et al. A single dose of the γ-secretase inhibitor semagacestat alters the cerebrospinal fluid peptidome in humans. Alzheimers Res Ther. 8 (1), 11 (2016).
- Cao, Z., Tang, H. Y., Wang, H., Liu, Q., Speicher, D. W. Systematic Comparison of Fractionation Methods for In-depth Analysis of Plasma Proteomes. J Proteome Res. 11 (6), 3090-3100 (2012).
- Chiu, C. W., Chang, C. L., Chen, S. F. Evaluation of peptide fractionation strategies used in proteome analysis. J Sep Sci. 35 (23), 3293-3301 (2012).
- Gilar, M., Olivova, P., Daly, A. E., Gebler, J. C. Orthogonality of separation in two-dimensional liquid chromatography. Anal Chem. 77 (19), 6426-6434 (2005).
- Batth, T. S., Francavilla, C., Olsen, J. V. Off-line high-pH reversed-phase fractionation for in-depth phosphoproteomics. J Proteome Res. 13 (12), 6176-6186 (2014).
- Yang, F., Shen, Y., Camp, D. G., Smith, R. D. High-pH reversed-phase chromatography with fraction concatenation for 2D proteomic analysis. Expert Rev Proteomics. 9 (2), 129-134 (2012).
- Blennow, K., Hampel, H., Weiner, M., Zetterberg, H. Cerebrospinal fluid and plasma biomarkers in Alzheimer disease. Nat Rev Neurol. 6 (3), 131-144 (2010).
- Moglich, A., Krieger, F., Kiefhaber, T. Molecular basis for the effect of urea and guanidinium chloride on the dynamics of unfolded polypeptide chains. J Mol Biol. 345 (1), 153-162 (2005).
- Hölttä, M., et al. An Integrated Workflow for Multiplex CSF Proteomics and Peptidomics Identification of Candidate Cerebrospinal Fluid Biomarkers of Alzheimer’s Disease. J Proteome Res. 14 (2), 654-663 (2014).
