dia-PASEF Visualization Tool: a shiny App for data visualization and exploration of dia-PASEF data

Význam tématu

Dia-PASEF (parallel accumulation–serial fragmentation combined with data-independent acquisition) představuje moderní přístup v proteomice, který umožňuje výrazně zvýšit citlivost, reprodukovatelnost a průchodnost dat v biologických i klinických aplikacích. Díky integraci iontové mobility (TIMS) a datově nezávislé akvizice lze analyzovat tisíce proteinů v krátkém čase a s vysokou kvantitativní přesností, což je klíčové pro výzkum biomarkerů, farmaceutický vývoj a rutinní QC v laboratořích.

Cíle a přehled studie

Autoři představují aplikaci dia-PASEF Visualization Tool vytvořenou ve frameworku Shiny, která usnadňuje interaktivní prohlížení a analýzu výsledků získaných pomocí dia-PASEF. Hlavními cíli jsou:

• zrychlit vizualizaci rozsáhlých datových souborů,
• umožnit rychlé vyhodnocení výkonnosti LC-MS instrumentu,
• poskytnout flexibilní modul pro zkoumání kvantifikačních křivek, PTM dat a metadat experimentu.

Pro ukázku použití aplikace autoři analyzovali diluční řadu BSA peptidů ve standardizovaném lidském digestu.

Použitá metodika a instrumentace

Experiment byl navržen s následujícími kroky:

• Příprava vzorků: BSA peptidy doplněné do komerčního lidského digestu (Promega K562) v koncentracích 380 amol až 12,5 fmol.
• Akvizice dat: dia-PASEF na přístroji Bruker timsTOF HT spojeném s chromatografickým systémem EvoSep (metoda 30SPD), rozsah 350–1 200 m/z a 0,7–1,3 1/k0, cyklus 1,5 s.
• Software: analýza dat byla provedena v Spectronaut v17.6 (Biognosys) s možností importu reportů z DIA-NN, timsDIANN a Spectronaut.

Hlavní výsledky a diskuse

Vizualizační nástroje aplikace umožnily rychlé vyhodnocení více aspektů dat:

• Vyhodnocení instrumentální výkonnosti: 15 MS běhů vykázalo medián CV pod 20 %, konzistentní špičkové plochy, přičemž se sledoval i vzrůst FWHM v důsledku drobného úniku v LC systému.
• Kvantifikační křivky: pro tři referenční BSA peptidy byla demonstrována výborná linearita (R2 > 0,95) napříč celou řadou koncentrací, včetně zobrazení počtu replikací a CV pro každý náboj peptidů.
• Kompletnost a reproducibilita: identifikováno ~9 000 proteinů a ~140 000 peptidových prekurzorů na běh, s datovou kompletností nad 90 % a CV pod 10 %.
• PTM modul: ukázka na fosfo-proteomickém datasetu ukázala rychlé srovnání počtu fosfo-peptidů, výtěžku obohacení, FWHM, překryvy identifikací, PCA analýzu a korelace kvantifikovaných ploch mezi krátkými a dlouhými gradienty.

Přínosy a praktické využití metody

Dia-PASEF Visualization Tool nabízí následující přínosy:

• Jednotné prostředí pro import různých reportovacích formátů (DIA-NN, timsDIANN, Spectronaut) a přidání metadat experimentu.
• Interaktivní grafické moduly pro rychlou identifikaci odchylek, šumu, trendů i vzorků s potenciálními technickými problémy.
• Úsporu času a zdrojů díky možnosti okamžitého filtrování cílových proteinů či peptidů (včetně PTM), bez potřeby ručního zpracování velkých surových souborů.

Budoucí trendy a možnosti využití

Očekávané směry dalšího rozvoje:

• Integrace strojového učení pro pokročilé detekční algoritmy a prediktivní analýzy abnormalit v datech.
• Rozšíření podpory pro další platformy a obohacení modulů o statistické zpracování výsledků přímo v aplikaci.
• Nasazení v klinických laboratořích pro rutinní monitorování výkonnosti měřícího řetězce a kvality dat v reálném čase.

Závěr

Dia-PASEF Visualization Tool představuje uživatelsky přívětivou a efektivní aplikaci, která významně zjednodušuje interpretaci rozsáhlých kvantitativních proteomických dat. Díky modulární struktuře a podpoře různých výstupních formátů posouvá rychlé rozhodování a kontrolu kvality na novou úroveň, přičemž minimalizuje nutnost manuálních zásahů do analyzovaných datasetů.

Reference

1. Meier F., Brunner A.D., Frank M. et al. diaPASEF: parallel accumulation–serial fragmentation combined with data-independent acquisition. Nat Methods. 17, 1229–1236 (2020).
2. Oliinyk D., Meier F. Ion mobility-resolved phosphoproteomics with dia-PASEF and short gradients. Proteomics. 23, e2200032 (2023).