$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
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.