Name: 通过化学交联质谱法进行四元结构建模:扩展 TX-MS Jupyter 报告 (视频) | JoVE Journal
Uploaded: 2021-10-20T13:00:00.000+00:00
Duration: 5 min 18 s
Description: 了解如何使用化学交联质谱法进行蛋白质四元结构建模。本方法结合Cheetah-MS网络服务器与Jupyter Notebook，利用RosettaDock协议实现可重复的计算生物学分析流程。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本工作由克努特和爱丽丝·瓦伦贝里基金会（资助编号：2016.0023）和瑞士国家科学基金会（资助编号：P2ZHP3_191289）资助。此外，我们感谢苏黎世大学S3IT提供的计算基础设施和技术支持。

1. 在&#160;https://txms.org 提交工作流程。
<ol>
	<li>访问 https://txms.org 并点击 &#34;使用 Cheetah-MS。&#34;</li>
	<li>提交工作流程时，您需要提供两个 PDB 文件和一个 MS/MS mzML 或 MGF 文件。您也可以点击 &#34;加载示例数据&#34;以查看该工作流程的演示版本。 
	注意：有关如何提交任务的详细信息，请参阅该网络服务器的手册页面。该服务器支持多种不可裂解交联剂、最多 12 种翻译后修饰（PTMs），以及与计算建模和质谱数据分析相关的选项。提交页面上还设计有小型帮助按钮，用于显示各个选项的更多信息。</li>
</ol>
2. 运行 Cheetah-MS。
注意：使用 ProteoWizard MSConvert 软件将供应商特定的格式转换为 mzML 或 MGF19。
<ol>
	<li>将质谱数据上传至 https://txms.org。然后点击 &#34;选择文件&#34;，并选择质谱数据文件，文件格式必须为 mzML 或 MGF18。 
	注意：示例数据可在 https://txms.org 获取，这些数据也可通过 zenodo.org 访问，DOI&#160;10.5281/zenodo.3361621。</li>
	<li>上传两个 PDB 文件至 https://txms.org。点击 &#34;选择文件&#34;，选择要上传的 PDB 文件。 
	注意：若无实验测定的结构，可使用 SWISS-MODEL20&#160;（当存在同源结构时），或使用 trRosetta21,22&#160;或 Robetta23,24&#160;等在线服务器进行从头（de novo）结构预测来构建模型。</li>
	<li>提交新工作流程。点击 &#34;提交&#34; 以获取作业标识标签。随后，使用该标签在表单中导航至结果部分。 
	注意：结果计算需要一定时间，请耐心等待工作流程完成，并保存作业标识标签以便返回结果页面。计算在远程计算基础设施上执行。如需在本地运行 TX-MS，请参考 Hauri 等人10 的研究。</li>
	<li>使用在线查看器检查 Jupyter Notebook 报告。然后，使用作业标识标签在结果部分中向下滚动至 &#34;报告&#34;。</li>
</ol>
3. 安装 JupyterHub。
<ol>
	<li>请按照以下网址的说明安装 Docker：&#160;https://docs.docker.com/install/。</li>
	<li>下载带有 Jupyter openBIS25&#160;扩展的 JupyterHub Docker 容器。通用命令为 &#34;docker pull malmstroem/jove:latest&#34;，但在其他平台上可能有所不同。 
	注意：有关如何下载容器的一般性说明，请参阅 https://www.docker.com/get-started。也可从 zenodo.org 下载该容器，DOI&#160;10.5281/zenodo.3361621。 
	注意：Jupyter openBIS 扩展的源代码可在此处获取：&#160;https://pypi.org/project/jupyter-openbis-extension/。</li>
	<li>启动 Docker 容器：docker run -p 8178:8000 malmstroem/jove:latest。 
	注意：JupyterHub 默认使用的端口为 8000。该端口可配置，若更改端口，则上述命令需相应调整。8178 端口为任意选择，可更改。下文提供的示例 URL 也需相应调整。</li>
	<li>访问以下地址：http://127.0.0.1:8178。使用用户名 &#34;user&#34; 和密码 &#34;user&#34; 登录。 
	注意：地址 http://127.0.0.1&#160;表示 Docker 容器在本地计算机上运行。若 Docker 容器在服务器上运行，请使用服务器的 IP 地址或 URL（例如 https://example.com）。该 Docker 容器基于 Ubuntu Bionic 18.04、JupyterHub 0.9.6 和 Jupyter openBIS 扩展 0.2。可在其他操作系统中安装，但尚未经过测试。</li>
</ol>
4. 下载报告。
<ol>
	<li>点击页面右上角附近的菜单中的新建| Python 3&#160;创建一个新的笔记本。这将打开一个名为未命名（或类似名称）的新标签页。</li>
	<li>在 Jupyter 工具菜单中点击&#34;配置 openBIS 连接&#34;。</li>
	<li>填写名称：txms；URL:&#160;https://txms.org；用户：guest；密码：guestpasswd。</li>
	<li>点击&#34;连接。&#34;</li>
	<li>选择新建立的连接，然后点击&#34;选择连接。&#34;</li>
	<li>搜索报告模板（例如 /CHEETAH/WF70），然后点击下载。 
	注意：您需要根据在 Cheetah-MS 网络服务器上运行任务后获得的结果和报告，调整相应的报告模板。</li>
	<li>通过点击单元格 | 运行全部重新运行报告。</li>
</ol>
5. 扩展报告。
<ol>
	<li>在底部添加一个新单元格：单元格 | 在下方插入。</li>
	<li>输入所需的代码。示例请参见下方的代表性结果部分。</li>
	<li>按下&#34;Shift-Enter&#34;执行该单元格。</li>
</ol>

<ol><li>Berman, H. M., et al. The Protein Data Bank. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aBerman%2C+HM+%22Acta+Crystallographica+Section+D%3A+Biological+Crystallography%22">Acta Crystallographica Section D: Biological Crystallography</a>. 58 (6), 899-907 (2002).</li>
<li>Herzog, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Structural+Probing+of+a+Protein+Phosphatase+2A+Network+by+Chemical+Cross-Linking+and+Mass+Spectrometry%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Structural Probing of a Protein Phosphatase 2A Network by Chemical Cross-Linking and Mass Spectrometry.</a> Science. 337 (6100), 1348-1352 (2012).</li>
<li>Hoopmann, M. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Kojak%3A+efficient+analysis+of+chemically+cross-linked+protein+complexes%5BTitle%5D)+AND+%22Journal+of+Proteome+Research%22%5BJournal%5D)">Kojak: efficient analysis of chemically cross-linked protein complexes.</a> Journal of Proteome Research. 14 (5), 2190-2198 (2015).</li>
<li>Seebacher, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Protein+cross-linking+analysis+using+mass+spectrometry%2C+isotope-coded+cross-linkers%2C+and+integrated+computational+data+processing%5BTitle%5D)+AND+%22Journal+of+Proteome+Research%22%5BJournal%5D)">Protein cross-linking analysis using mass spectrometry, isotope-coded cross-linkers, and integrated computational data processing.</a> Journal of Proteome Research. 5 (9), 2270-2282 (2006).</li>
<li>Rinner, O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Identification+of+cross-linked+peptides+from+large+sequence+databases%5BTitle%5D)+AND+%22Nature+Methods%22%5BJournal%5D)">Identification of cross-linked peptides from large sequence databases.</a> Nature Methods. 5 (4), 315-318 (2008).</li>
<li>Walzthoeni, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((False+discovery+rate+estimation+for+cross-linked+peptides+identified+by+mass+spectrometry%5BTitle%5D)+AND+%22Nature+Methods%22%5BJournal%5D)">False discovery rate estimation for cross-linked peptides identified by mass spectrometry.</a> Nature Methods. 9 (9), 901-903 (2012).</li>
<li>Yang, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Identification+of+cross-linked+peptides+from+complex+samples%5BTitle%5D)+AND+%22Nature+Methods%22%5BJournal%5D)">Identification of cross-linked peptides from complex samples.</a> Nature Methods. 9 (9), 904-906 (2012).</li>
<li>Chu, F., Baker, P. R., Burlingame, A. L., Chalkley, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Finding+Chimeras%3A+a+Bioinformatics+Strategy+for+Identification+of+Cross-linked+Peptides%5BTitle%5D)+AND+%22Molecular+%26+Cellular+Proteomics%22%5BJournal%5D)">Finding Chimeras: a Bioinformatics Strategy for Identification of Cross-linked Peptides.</a> Molecular & Cellular Proteomics. 9 (1), 25-31 (2010).</li>
<li>Holding, A. N., Lamers, M. H., Stephens, E., Skehel, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hekate%3A+Software+Suite+for+the+Mass+Spectrometric+Analysis+and+Three-Dimensional+Visualization+of+Cross-Linked+Protein+Samples%5BTitle%5D)+AND+%22Journal+of+Proteome+Research%22%5BJournal%5D)">Hekate: Software Suite for the Mass Spectrometric Analysis and Three-Dimensional Visualization of Cross-Linked Protein Samples.</a> Journal of Proteome Research. 12 (12), 5923-5933 (2013).</li>
<li>Hauri, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Rapid+determination+of+quaternary+protein+structures+in+complex+biological+samples%5BTitle%5D)+AND+%22Nature+Communications%22%5BJournal%5D)">Rapid determination of quaternary protein structures in complex biological samples.</a> Nature Communications. 10 (1), 192(2019).</li>
<li>Röst, H. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((OpenSWATH+enables+automated%2C+targeted+analysis+of+data-independent+acquisition+MS+data%5BTitle%5D)+AND+%22Nature+Biotechnology%22%5BJournal%5D)">OpenSWATH enables automated, targeted analysis of data-independent acquisition MS data.</a> Nature Biotechnology. 32 (3), 219-223 (2014).</li>
<li>Röst, H. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((OpenMS%3A+a+flexible+open-source+software+platform+for+mass+spectrometry+data+analysis%5BTitle%5D)+AND+%22Nature+Methods%22%5BJournal%5D)">OpenMS: a flexible open-source software platform for mass spectrometry data analysis.</a> Nature Methods. 13 (9), 741-748 (2016).</li>
<li>Quandt, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+synthetic+peptides+to+benchmark+peptide+identification+software+and+search+parameters+for+MS%2FMS+data+analysis%5BTitle%5D)+AND+%22EuPA+Open+Proteomics%22%5BJournal%5D)">Using synthetic peptides to benchmark peptide identification software and search parameters for MS/MS data analysis.</a> EuPA Open Proteomics. 5, 21-31 (2014).</li>
<li>Bradley, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Free+modeling+with+Rosetta+in+CASP6%5BTitle%5D)+AND+%22Proteins%3A+Structure%2C+Function%2C+and+Bioinformatics%22%5BJournal%5D)">Free modeling with Rosetta in CASP6.</a> Proteins: Structure, Function, and Bioinformatics. 61 (S7), 128-134 (2005).</li>
<li>Gray, J. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((High-resolution+protein-protein+docking%5BTitle%5D)+AND+%22Current+Opinion+in+Structural+Biology%22%5BJournal%5D)">High-resolution protein-protein docking.</a> Current Opinion in Structural Biology. 16 (2), 183-193 (2006).</li>
<li>Khakzad, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cheetah-MS%3A+a+web+server+to+model+protein+complexes+using+tandem+cross-linking+mass+spectrometry+data%5BTitle%5D)+AND+%22Bioinformatics%22%5BJournal%5D)">Cheetah-MS: a web server to model protein complexes using tandem cross-linking mass spectrometry data.</a> Bioinformatics. , (2021).</li>
<li>Malmström, L. Chapter 15: Computational Proteomics with Jupyter and Python. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aMalmstr%C3%B6m%2C+L+%22Methods+in+Molecular+Biology%22">Methods in Molecular Biology</a>. 15, Clifton, N.J. 237-248 (1977).</li>
<li>Martens, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((mzML--a+community+standard+for+mass+spectrometry+data%5BTitle%5D)+AND+%22Molecular+%26+Cellular+Proteomics%22%5BJournal%5D)">mzML--a community standard for mass spectrometry data.</a> Molecular & Cellular Proteomics. 10 (1), (2011).</li>
<li>Chambers, M. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+cross-platform+toolkit+for+mass+spectrometry+and+proteomics%5BTitle%5D)+AND+%22Nature+Biotechnology%22%5BJournal%5D)">A cross-platform toolkit for mass spectrometry and proteomics.</a> Nature Biotechnology. 30 (10), 918-920 (2012).</li>
<li>Waterhouse, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SWISS-MODEL%3A+homology+modelling+of+protein+structures+and+complexes%5BTitle%5D)+AND+%22Nucleic+Acids+Research%22%5BJournal%5D)">SWISS-MODEL: homology modelling of protein structures and complexes.</a> Nucleic Acids Research. 46 (W1), W296-W303 (2018).</li>
<li>Yang, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improved+protein+structure+prediction+using+predicted+interresidue+orientations%5BTitle%5D)+AND+%22Proceedings+of+the+National+Academy+of+Sciences%22%5BJournal%5D)">Improved protein structure prediction using predicted interresidue orientations.</a> Proceedings of the National Academy of Sciences. 117 (3), 1496-1503 (2020).</li>
<li>Koehler Leman, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Macromolecular+modeling+and+design+in+Rosetta%3A+recent+methods+and+frameworks%5BTitle%5D)+AND+%22Nature+Methods%22%5BJournal%5D)">Macromolecular modeling and design in Rosetta: recent methods and frameworks.</a> Nature Methods. 17 (7), 665-680 (2020).</li>
<li>Chivian, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prediction+of+CASP6+structures+using+automated+Robetta+protocols%5BTitle%5D)+AND+%22Proteins%3A+Structure%2C+Function%2C+and+Bioinformatics%22%5BJournal%5D)">Prediction of CASP6 structures using automated Robetta protocols.</a> Proteins: Structure, Function, and Bioinformatics. 61 (S7), 157-166 (2005).</li>
<li>Chivian, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+prediction+of+CASP-5+structures+using+the+Robetta+server%5BTitle%5D)+AND+%22Proteins%3A+Structure%2C+Function%2C+and+Bioinformatics%22%5BJournal%5D)">Automated prediction of CASP-5 structures using the Robetta server.</a> Proteins: Structure, Function, and Bioinformatics. 53 (S6), 524-533 (2003).</li>
<li>Bauch, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((openBIS%3A+a+flexible+framework+for+managing+and+analyzing+complex+data+in+biology+research%5BTitle%5D)+AND+%22BMC+Bioinformatics%22%5BJournal%5D)">openBIS: a flexible framework for managing and analyzing complex data in biology research.</a> BMC Bioinformatics. 12, 468(2011).</li>
<li>Lima, D. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SIM-XL%3A+A+powerful+and+user-friendly+tool+for+peptide+cross-linking+analysis%5BTitle%5D)+AND+%22Journal+of+Proteomics%22%5BJournal%5D)">SIM-XL: A powerful and user-friendly tool for peptide cross-linking analysis.</a> Journal of Proteomics. 129, 51-55 (2015).</li>
<li>Happonen, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+quantitative+Streptococcus+pyogenes-human+protein-protein+interaction+map+reveals+localization+of+opsonizing+antibodies%5BTitle%5D)+AND+%22Nature+Communications%22%5BJournal%5D)">A quantitative Streptococcus pyogenes-human protein-protein interaction map reveals localization of opsonizing antibodies.</a> Nature Communications. 10, 2727(2019).</li>
<li>Khakzad, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Structural+determination+of+Streptococcus+pyogenes+M1+protein+interactions+with+human+immunoglobulin+G+using+integrative+structural+biology%5BTitle%5D)+AND+%22PLOS+Computational+Biology%22%5BJournal%5D)">Structural determination of Streptococcus pyogenes M1 protein interactions with human immunoglobulin G using integrative structural biology.</a> PLOS Computational Biology. 17 (1), E1008169(2021).</li>
<li>Khakzad, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((In+vivo+cross-linking+MS+of+the+complement+system+MAC+assembled+on+live+Gram-positive+bacteria%5BTitle%5D)+AND+%22Frontiers+in+Genetics%22%5BJournal%5D)">In vivo cross-linking MS of the complement system MAC assembled on live Gram-positive bacteria.</a> Frontiers in Genetics. 11, (2020).</li>
</ol>

作者无任何利益冲突需要披露。

现代计算工作流程通常十分复杂，涉及来自多个不同供应商的多种工具、复杂的相互依赖关系、庞大的数据量以及多方面的结果。因此，准确记录获得某一结果所需的所有步骤变得越来越困难，这使得重现特定结果也极具挑战性。在此，我们展示了一种通用策略，该策略结合了自动化工作流程的便捷性与生成通用报告的能力，同时具备以可重现方式自定义报告的灵活性。
要使该实验方案成功实施，需满足三个条件：首先，所选用于分析的蛋白质必须以某种方式相互作用，使得化学交联实验能够产生足够高浓度的交联产物，从而被质谱仪检测到；不同的质谱仪具有不同的检测灵敏度，且检测效果还依赖于采集方案以及交联试剂的选择。当前版本的 TX-MS 方案仅支持 DSS，即一种赖氨酸-赖氨酸同源双功能交联试剂。这一限制主要源于机器学习步骤可能需要针对其他试剂进行调整。该限制已在 Cheetah-MS 网络服务器中得到改进，可额外支持两种交联试剂，但这三种试剂均为不可裂解型交联试剂。其次，两个相互作用的蛋白质必须具有已通过实验测定的结构，或可通过同源建模技术或从头建模（de novo）技术进行建模。并非所有蛋白质都可成功建模，但随着软件性能的提升以及蛋白质数据库（PDB）中实验结构的持续积累，可建模的蛋白质数量正在不断增加。第三，相互作用的蛋白质在其结合态与非结合态下应保持足够高的结构相似性，以便 TX-MS 和 Cheetah-MS 所采用的分子对接算法能够生成足够高质量的四级结构，从而支持后续评分。这一要求相对模糊，因为可接受的质量标准高度依赖于具体体系：通常而言，结构已知的小分子蛋白质比结构未知的大分子蛋白质更容易进行有效比对。
如果结果为阴性，首先检查 TX-MS 是否检测到分子内交联，即同一多肽链内残基之间的交联。若未发现此类交联，最可能的原因是样品制备或数据采集过程中出现了问题。如果多个距离约束条件均不支持所构建的模型，应目视检查模型，确保其构象得到交联残基的支持。若无法在不破坏至少一个交联的情况下明显地旋转其中一个互作蛋白，则提示模型可能合理。若存在超过所用交联试剂允许距离的交联，可尝试通过整合交联数据来优化互作蛋白的建模。
只要所选软件的灵敏度与TX-MS相当，即可使用其他软件应用程序获得等效结果。例如，RosettaDock、HADDOCK等软件均有在线版本。此外，还可通过xQuest/xProphet5,6、plink7和SIM-XL26分析化学交联数据。
我们正在持续将 TX-MS 和 Cheetah-MS 应用于新的项目27,28,29，从而不断改进这些方法生成的报告，以实现对结果更详细的分析，同时不增加报告的篇幅。

蛋白质-蛋白质相互作用是生物系统结构与功能的基础。获得蛋白质的四级结构有助于揭示两个或多个蛋白质如何相互作用形成高级结构。然而，获取四级结构仍然具有挑战性；这一点体现在蛋白质数据库（Protein DataBank, PDB）中包含多个多肽链的条目数量相对较少1&#160;。蛋白质-蛋白质相互作用可通过X射线晶体学、核磁共振（NMR）和冷冻电镜（cryo-EM）等技术进行研究，但在适用这些方法的条件下获得足量纯化蛋白质可能耗时较长。
化学交联质谱技术的发展旨在以更少的样品制备限制来获取蛋白质-蛋白质相互作用的实验数据，因为质谱技术可用于获取任意复杂样品的数据2,3,4,5,6,7,8,9。然而，由于数据分析具有组合性特征，且交联肽段数量相对较少，因此样品在分析前需要进行分级分离。为解决这一不足，我们开发了TX-MS方法，该方法将计算建模与化学交联质谱技术相结合10。TX-MS可用于任意复杂程度的样品，且相较于以往方法显著提高了灵敏度10。其实现方式是将与特定蛋白质-蛋白质相互作用相关的所有数据作为一个整体进行评分，而非独立解析每一张质谱图谱。TX-MS还最多采用三种不同的质谱采集模式：高分辨率MS1（hrMS1）、数据依赖性采集（DDA）和数据非依赖性采集（DIA），从而通过整合多种观测结果进一步提高交联肽段的鉴定机会。TX-MS的计算工作流程较为复杂，原因有三：第一，该流程依赖于多个质谱分析软件程序11,12,13&#160;来构建蛋白质结构模型14,15；第二，数据量可能非常庞大；第三，建模步骤可能消耗大量的计算机处理资源。
因此，TX-MS 最好通过 Cheetah-MS 网络服务器16&#160;作为自动化、简化的计算流程来使用，该服务器运行于大型计算基础设施（如计算机云或集群）之上。为了便于结果的解读，我们开发了一个交互式 Jupyter Notebook17。本文将演示如何扩展 Jupyter Notebook 报告，以对特定结果进行更深入的分析。

<table><tbody><tr><td>目标蛋白的两个 Protein DataBank 文件。</td><td>N/A</td><td>N/A</td><td>示例文件可在 txms.org 和 zenodo.org 获取，DOI 10.5281/zenodo.3361621</td></tr><tr><td>在目标蛋白发生交联的样品上获得的 mzML 数据文件。</td><td>N/A</td><td>N/A</td><td>示例文件可在 txms.org 或 zenodo.org 获取，DOI 10.5281/zenodo.3361621</td></tr></tbody></table>

通过化学交联质谱法进行四级结构建模：扩展 tx-ms jupyter 报告

Quaternary Structure Modeling Through Chemical Cross-Linking Mass Spectrometry: Extending TX-MS Jupyter Reports

蛋白质-蛋白质相互作用的研究具有挑战性，但能为生物系统的功能机制提供重要见解。靶向交联质谱法（TX-MS）结合了蛋白质四级结构建模与化学交联质谱技术，能够利用来自复杂且未经分级处理的样品数据构建高精度的结构模型。该方法克服了蛋白质复合物结构分析中的一个主要障碍，即不再需要大量纯化目标蛋白质。为此开发的 Cheetah-MS 网络服务器，旨在使该实验流程的简化版本更易于被科研社区使用。Cheetah-MS 可基于串联质谱（MS/MS）数据生成 Jupyter Notebook，其中包含以图形化方式呈现的关键分析结果汇总报告。通过扩展该 Jupyter Notebook，研究人员可获得更深入的分析洞见，从而更好地理解结构模型及其所依据的质谱数据。本文介绍的技术方案展示了若干最常见的扩展功能，并说明了可从中获取的信息类型。这些扩展模块有助于分析串联质谱（MS/MS）采集数据，以及已鉴定交联肽段（XLs）对所报告的四级结构模型的整体影响。此类分析结果可通过嵌入 Notebook 的 NGLView 工具直观展示于结构模型中。

交联质谱（TX-MS）通过质谱（MS）衍生的实验约束提供结构信息。该方法通过结合不同类型的质谱数据采集方式与计算建模实现结构解析。因此，分别解析每种质谱数据并可视化输出结构具有重要意义。补充数据 1 包含一个示例笔记本，可用于解析作为 TX-MS 输出结果的 DDA 和 DIA 数据。用户可选择感兴趣的交联肽（XL）。运行该笔记本后，将显示该交联肽的 MS2 谱图，其中不同颜色有助于区分与第一条肽段、第二条肽段以及组合碎片离子相关的碎片信号。此外，还可利用嵌入 Jupyter Notebook 中的 NGLView 组件将交联肽映射到结构上。
该笔记本中的另一个单元格可帮助用户解析和可视化DIA数据。然而，由于分析后的数据需要以正确的格式进行准备，因此DIA数据的可视化更为困难。
图1展示了M1与白蛋白的示例结构，其中已将顶部交联位点映射到结构上。通过解析hrMS1、DDA和DIA数据，TX-MS获得了所有交联位点，RosettaDock流程则提供了计算模型。
由于本报告为 Jupyter Notebook，可在新的笔记本单元格中添加任意有效的 Python 代码。例如，以下代码将对 MS2 计数绘制直方图，以显示每个交联位点在原始数据中的支持程度。 
import seaborn as sns 
sns.distplot(ms2['count']);
<img alt="蛋白质-DNA复合物示意图；结构生物学；蛋白质相互作用；分子建模。" class="xfigimg" src="/files/ftp_upload/60311/60311fig01.jpg" data-altupdatedat="1788250015000" data-alt="图1"> 
图1：映射了交联位点的Streptococcus pyogenes M1蛋白与人血清白蛋白的结构模型。 M1蛋白以灰色显示，构成同源二聚体。六个白蛋白分子以不同深浅的蓝色成对呈现。交联位点及距离以红色标出，并配以黑色文字标注。 <a href="https://www.jove.com/files/ftp_upload/60311/60311fig01large.jpg" target="_blank">请点击此处查看该图的放大版本。</a>
补充文件。Jupyter notebook 数据。 <a href="https://www.jove.com/files/ftp_upload/60311/Supplementary%20Data%201.ipynb" target="_blank">请点击此处下载该文件。</a>

靶向交联质谱技术利用最多三种不同采集方法获得的质谱数据，构建蛋白质四级结构模型。当在 Cheetah-MS 网络服务器上以简化工作流程执行时，结果将以 Jupyter Notebook 形式呈现。本文演示了如何扩展 Jupyter Notebook 以实现更深入分析的技术细节。

通过化学交联质谱法进行四级结构建模：扩展 TX-MS Jupyter 报告

蛋白质-蛋白质相互作用的研究具有挑战性，但能为生物系统的功能机制提供重要见解。靶向交联质谱技术……

该方法利用 Jupyter Notebook 的强大功能，生成内容丰富且视觉效果良好的报告，同时允许用户以可重复和可追溯的方式扩展和定制报告。这种灵活的技术能够充分记录用户的所有修改细节，以便在后续时间或其他用户进行复现。尽管该方法普遍适用于任何研究领域，但其主要针对的是接合菌生命科学（Mucor life science）这一研究领域，该领域常产生复杂的数据。开始分析之前，请打开靶向交联质谱网站。进入该网站后，将出现一个欢迎界面，简要介绍 TX MS.web 服务的高级功能。在“教程”标签页下，可以查看有关所提供服务的详细说明，包括如何使用该服务以及如何分析结果的相关信息。在下载标签页下，可以下载软件和相关资源。所有软件均在开源许可协议下提供。在许可协议标签页下，BSD 三条款许可协议明确确保软件可被尽可能广泛地使用。“联系”标签页提供用于提交问题或评论的联系信息。如需通过电子邮件申请用户凭据，请返回“Cheetah”标签页，点击页面底部的电子邮件地址链接，并在邮件主题行和正文中填写相关信息。将尽快发送回复。收到包含用户凭据的确认邮件后，请登录并上传质谱数据至网站。点击提交工作流程，并输入标题和描述。然后点击“查看工作流”并选择 Cheetah 工作流。按照向导操作后，使用在线查看器检查 Jupyter Notebook。要安装 JupyterHub，请按照说明安装 Docker，并下载带有 Jupyter openBIS 扩展的 JupyterHub Docker 容器。启动 Docker 容器运行 malmstroem/jove:latest，命令为 P8171:8000。导航至指定的网页地址，并使用用户名和密码 User 登录。要下载报告，请点击 Python 3 中的“新建”以打开一个新标签页，其中包含一个未命名的笔记本。在 Jupyter 工具菜单中点击配置 openBIS 连接，名称输入 TX MS，URL 输入 TX MS 网站地址，用户名输入 Guest，密码输入 G-U-E-S-T-P-A-S-S-W-D。选择新建的连接，点击选择连接以搜索报告。然后点击单元格中的下载按钮并运行全部内容，以获取报告。要扩展报告，请点击单元格并选择在下方插入，以在底部添加新单元格。然后点击代码单元格，并按住 Shift 键同时按下回车键以执行该单元格。要上传报告，请点击上传按钮以创建新的数据集。此处展示了M1与白蛋白的代表性结构，并在结构上标出了主要的交联位点。所有交联数据均通过靶向交联质谱技术获得，经解析高分辨率MS1数据依赖性和非依赖性采集数据后确定，计算模型由RosettaDock方法提供。需要牢记的是，蛋白质-蛋白质相互作用在稳定性方面具有高度多样性。因此，您的实验结果可能会有所不同。当前的方法仅限于二元相互作用，因此无法应用于更复杂的蛋白质四级结构。然而，对单个相互作用对进行建模可以为构建更复杂的结构提供良好的基础。关于结合界面的详细信息在许多方面都具有重要意义，例如可用于设计能够稳定或破坏蛋白质相互作用的突变。因此，这些信息有助于更深入地理解蛋白质-蛋白质相互作用的功能。

quaternary-structure-modeling-through-chemical-cross-linking-mass

Research

科研

JoVE Journal

Biochemistry

生物化学

通过化学交联质谱法进行四元结构建模:扩展 TX-MS Jupyter 报告

质谱技术已被证明是分析大型蛋白质复合物的有力工具。该方法能够揭示多亚基复合物的组成、化学计量比和整体结构。本文将逐步介绍如何进行结构质谱分析，并表征大分子结构。...

通过结构质谱分析大型蛋白质复合物

离子淌度-质谱法是一种新兴的气相技术，可根据离子的碰撞截面和质量对其进行分离。该方法可提供蛋白质复合物整体拓扑结构和形状的三维信息。本文概述了仪器设置与优化、漂移时间校准以及数据分析的基本操作流程。...

T波离子淌度-质谱分析：蛋白质复合物分析的基本实验流程

原子分辨率下的超分子蛋白质组装体结构因其在多种生物现象中发挥的关键作用而具有重要意义。本文介绍了一种利用魔角旋转固体核磁共振波谱技术（MAS...

利用固态核磁共振波谱法对大分子组装体进行原子尺度结构研究

我们介绍一种结合液相色谱与高分辨质谱技术，利用同重标记、深度分级分离、生物信息学工具以及质量控制步骤，精确量化蛋白质的实验方案。...

通过同重标记、深度液相色谱、质谱分析及软件辅助定量进行深度蛋白质组分析

蛋白质复合物的结构对其功能至关重要。结合多种质谱技术已被证明是研究其组装过程的有力手段。本文提供了化学交联和天然质谱的技术方案，并展示了这两种互补技术如何帮助阐明多亚基蛋白质复合物的结构架构。...

结合完整蛋白质复合物的化学交联与质谱技术研究多亚基蛋白组装体的结构

质谱法（MS）已成为研究大分子组装体结构与动态的重要工具。本文整合了基于质谱的方法，用于探究蛋白质复合物的形成及配体结合。...

通过整合结构质谱法分析蛋白质结构与蛋白质-配体复合物

富含半胱氨酸的多肽根据其二硫键连接方式折叠成不同的三维结构。当缓冲氧化无法产生所需的二硫键连接时，需要对单个二硫键异构体进行定向合成。本实验方案涉及含三个二硫键的多肽的选择性合成，并利用核磁共振（NMR）和串联质谱（MS/MS）对其进行结构分析。...

μ-芋螺毒素PIIIA异构体的合成及不同二硫键连接方式的结构测定

本文介绍了如何利用小角X射线散射（SAXS）获取代表大分子结构的低分辨率分子包络信息。当SAXS与X射线晶体学和核磁共振等高分辨率结构技术结合使用时，可提供溶液中多结构域蛋白及大分子复合物的详细结构信息。...

利用小角X射线散射研究溶液中大分子的结构

本文描述了基于焦碳酸二乙酯的共价标记实验步骤，并结合质谱检测方法。焦碳酸二乙酯可直接与目标蛋白质或蛋白质复合物混合，从而修饰溶剂可及的氨基酸残基。经过蛋白酶消化及液相色谱-质谱分析后，即可鉴定出被修饰的残基。...

通过质谱法研究蛋白质高级结构的二乙基焦碳酸酯共价标记

本文介绍了一种采用无鞘流多孔尖端接口设计的毛细管电泳-质谱联用技术对生物样品进行代谢谱分析的实验方案。...

无鞘液毛细管电泳-质谱联用技术用于生物样本的代谢谱分析

了解如何使用化学交联质谱法进行蛋白质四元结构建模。本方法结合Cheetah-MS网络服务器与Jupyter Notebook，利用RosettaDock协议实现可重复的计算生物学分析流程。

通过化学交联质谱法进行四级结构建模：扩展 TX-MS Jupyter 报告

探索更多视频