Modélisation de la structure quaternaire par spectrométrie de masse par réticulation chimique: extension des rapports TX-MS Jupyter
20 octobre 2021
La spectrométrie de masse à réticulation ciblée crée des modèles de structure protéique quaternaire à l’aide de données de spectrométrie de masse acquises à l’aide de jusqu’à trois protocoles d’acquisition différents. Lorsqu’ils sont exécutés en tant que flux de travail simplifié sur le serveur Web Cheetah-MS, les résultats sont signalés dans un bloc-notes Jupyter. Ici, nous démontrons les aspects techniques de la façon dont le Jupyter Notebook peut être étendu pour une analyse plus approfondie.
Cette méthode utilise la puissance de Jupyter Notebook pour fournir des rapports informatifs et visuellement attrayants tout en permettant aux utilisateurs d’étendre et de personnaliser le rapport de manière reproductible et traçable. Cette technique flexible permet de capturer toutes les modifications de l’utilisateur avec suffisamment de détails pour être reproduites ultérieurement ou par un utilisateur différent. Bien que cette méthode soit généralement applicable dans n’importe quel domaine de recherche, elle est principalement conçue pour les sciences de la vie de Mucor, un domaine de recherche qui peut produire des données complexes.
Avant de commencer l’analyse, ouvrez le site Web de spectrométrie de masse de réticulation ciblée. Lors de la navigation vers le site Web, un écran d’accueil fournissant une description de haut niveau du service TX MS.web apparaîtra. Sous l’onglet tutoriel, une description détaillée des services fournis, y compris des informations sur la façon d’utiliser le service et d’analyser les résultats, peut être observée.
Sous l’onglet téléchargement, les logiciels et les ressources peuvent être téléchargés. Tous les logiciels sont disponibles sous une licence open source. Sous l’onglet Licence, la licence BSD à 3 clauses rend explicitement le logiciel aussi largement utilisable que possible.
L’onglet Contact fournit des informations de contact pour soumettre des questions ou des commentaires. Pour envoyer un e-mail demandant des informations d’identification utilisateur, revenez à l’onglet Cheetah et cliquez sur le lien hypertexte de l’adresse e-mail au bas de la page. Entrez les informations pertinentes dans la ligne d’objet dans le corps de l’e-mail.
Une réponse sera envoyée dans les plus brefs délais. Après avoir reçu un e-mail de confirmation avec les informations d’identification de l’utilisateur, connectez-vous et téléchargez les données de spectrométrie de masse sur le site Web. Cliquez sur Envoyer le flux de travail et entrez un titre et une description.
Cliquez ensuite sur Afficher le flux de travail et sélectionnez le flux de travail Cheetah. Après avoir suivi l’Assistant, utilisez la visionneuse en ligne pour inspecter le bloc-notes Jupyter. Pour installer jupyterHub, installez Le Docker comme indiqué et téléchargez le conteneur Docker JupyterHub avec l’extension Jupyter openBIS.
Après avoir démarré le Docker, exécutez le conteneur P8171:8000 malmstroem/jove:latest. Accédez à l’adresse Web indiquée et connectez-vous avec le nom d’utilisateur et le mot de passe Utilisateur. Pour télécharger le rapport, cliquez sur Nouveau dans Python 3 pour ouvrir un nouvel onglet avec un bloc-notes sans titre.
Cliquez sur configurer les connexions openBIS dans le menu de l’outil Jupyter et entrez TX MS pour le nom, l’adresse Web TX MS pour l’URL, Invité pour l’utilisateur et G-U-E-S-T-P-A-S-S-W-D pour le mot de passe. Sélectionnez la nouvelle connexion et cliquez sur Choisir la connexion pour rechercher le rapport. Cliquez ensuite, téléchargez dans la cellule et exécutez tout pour renvoyer le rapport.
Pour étendre le rapport, cliquez sur cellule et insérez ci-dessous pour ajouter une nouvelle cellule en bas. Cliquez ensuite sur le code et appuyez sur Maj et entrez pour exécuter la cellule. Pour télécharger le rapport, cliquez sur le bouton de téléchargement pour créer un nouvel ensemble de données.
Une structure représentative de M1 et d’albumine avec des réticulations supérieures mappées sur la structure est montrée ici. Toutes les réticulations ont été obtenues par spectrométrie de masse de réticulation ciblée après l’analyse des données d’acquisition indépendantes et dépendantes des données MS1 à haute résolution et les modèles de calcul ont été fournis par le protocole RosettaDock. Il est important de se rappeler que les interactions protéines protéiques sont diverses en termes de stabilité.
Par conséquent, vos résultats peuvent varier. La méthodologie actuelle se limite aux interactions binaires et ne peut donc pas être appliquée à des structures quaternaires protéiques plus complexes. Cependant, la modélisation de paires individuelles peut fournir une bonne base pour construire des structures plus complexes.
Les détails sur l’interface de liaison peuvent être utiles à bien des égards, par exemple, pour suggérer des mutations qui peuvent stabiliser ou déstabiliser les interactions protéiques. Cela peut donc être utile pour mieux comprendre le rôle des interactions protéine-protéine.
Aperçu
Cet article décrit une méthode permettant de créer des modèles de structure protéique quaternaire à l'aide de la spectrométrie de masse par pontage ciblé. Le flux de travail est exécuté sur le serveur web Cheetah-MS, les résultats étant présentés dans un carnet Jupyter personnalisable.
Composantes clés de l'étude
Domaine scientifique
- Spectrométrie de masse
- Analyse de la structure des protéines
- Biologie computationnelle
Contexte
- La spectrométrie de masse par réticulation ciblée est une technique permettant l'étude des interactions protéiques.
- La méthode est conçue pour l'analyse de données complexes en sciences de la vie.
- Les carnets Jupyter offrent une plateforme souple pour la présentation et l'analyse des données.
- Les logiciels open source améliorent l'accessibilité pour les chercheurs.
Objectif de l'étude
- Démontrer un flux de travail simplifié pour la modélisation de la structure des protéines.
- Mettre en valeur les fonctionnalités des cahiers Jupyter dans la communication scientifique.
- Fournir une méthode reproductible pour analyser les données de spectrométrie de masse.
Méthodes utilisées
- Utilisation du serveur web Cheetah-MS pour la soumission des données.
- Intégration de Jupyter Notebook pour la génération de rapports.
- Application du protocole RosettaDock pour la modélisation informatique.
- Instructions détaillées pour l'installation du logiciel et l'analyse des données.
Résultats principaux
- Modélisation réussie de structures protéiques avec des ponts disulfure cartographiés.
- Démonstration de l'applicabilité de la méthode aux interactions protéiques binaires.
- Apercus sur les interactions protéine-protéine et leur stabilité.
- Potentiel pour suggérer des mutations influençant les interactions protéiques.
Conclusions
- La méthodologie est efficace pour analyser les interactions protéiques binaires.
- Les résultats peuvent varier en raison de la nature diverse des interactions protéiques.
- Un développement ultérieur pourrait améliorer la modélisation des structures complexes.
Questions fréquemment posées
Pertinence professionnelle pour l'industrie
La modélisation de la structure quaternaire par spectrométrie de masse ciblée avec réticulation (TX-MS) permet une cartographie hautement fiable des interactions protéine-protéine directement à partir d'échantillons biologiques complexes, sans nécessiter une purification à grande échelle. L'intégration de la TX-MS à des rapports personnalisables sous Jupyter Notebook soutient une analyse reproductible, traçable et extensible, renforçant la fiabilité des prédictions dans les phases précoces de la découverte et des voies de biologie structurale. Cette capacité revêt une importance stratégique pour les équipes de recherche et développement en biopharmacie souhaitant réduire les risques liés à la validation des cibles et accélérer la découverte de médicaments guidée par la structure.
Applications stratégiques en recherche et développement en biopharmaceutique
Découverte précoce et validation de cibles
- Permet l'interrogation directe des interfaces protéine-protéine dans des conditions proches de l'état natif.
- Prend en charge la validation fonctionnelle de la cible en cartographiant les ponts inter-brins sur des modèles structuraux.
- Facilite la réduction des risques mécanistiques en précisant les surfaces d'interaction et la stabilité.
- Améliore la confiance prédictive pour la conception basée sur la structure en aval.
Développement de criblages et de tests
- Prépare des modèles structuraux validés pour une utilisation dans les flux de travail de criblage et de développement de tests.
- Standardise la présentation des rapports et l'analyse grâce à des sorties reproductibles de Jupyter Notebook.
- Permet une évaluation quantitative des données de réticulation pour l'optimisation des tests.
- Facilite une évaluation fiable des effets des composés sur les interactions protéiques.
Recherche translationnelle et préclinique
- Associe les données structurales aux stratégies translationnelles de biomarqueurs lors de la cartographie des complexes pertinents pour la maladie.
- Assure une continuité entre la cartographie des interactions en phase de découverte et la validation dans des modèles précliniques.
- Réduit les risques liés aux décisions de développement en clarifiant les mécanismes moléculaires d'action.
Intégration des pipelines et des flux de travail
La TX-MS avec reporting basé sur Jupyter s'intègre dans le continuum de la découverte, depuis la validation précoce de cibles jusqu'à l'identification de composés actifs et la recherche préclinique, en soutenant des tests itératifs des hypothèses et l'amélioration des modèles.
- Biologie de la découverte : Permet la cartographie orientée par hypothèse des interfaces protéiques et des réseaux d'interaction.
- Écrantage : Fournit des données quantitatives normalisées de réticulation pour la préparation des tests.
- Analytique : Propose des rapports traçables et extensibles destinés à l'analyse comparative et à l'aide à la décision.
- Recherche translationnelle : Relie les découvertes structurales à des systèmes pertinents pour les maladies, lorsque des complexes cartographiés sont disponibles.
- Réutilisation en entreprise : Offre une plateforme réutilisable et open source pour des études structurelles et d'interaction continues.
Impact opérationnel et organisationnel
- Valeur scientifique : Accroît la confiance prédictive et réduit l'ambiguïté dans la validation des cibles.
- Valeur opérationnelle : Favorise la reproductibilité, la traçabilité et l'évolutivité grâce à des flux de travail numériques standardisés.
- Valeur stratégique : Permet de prendre des décisions éclairées d'aller/arrêt et une gestion efficace du portefeuille en termes de capital.
- Impact sur le portefeuille : Soutient la priorisation et l'avancement, ajustés au risque, des cibles validées structuralement.
Considérations relatives à la mise en œuvre
- Nécessite une expertise en spectrométrie de masse, en modélisation structurale et en analyse computationnelle.
- Suppose un accès à des instruments de spectrométrie de masse et à une infrastructure informatique pour le traitement et la visualisation des données.
- Exige une standardisation interéquipes des formats de données et des pratiques de rapport.
- L'adaptation à des assemblages protéiques plus complexes (non binaires) est actuellement limitée.
- Les limitations pratiques incluent la variabilité de la stabilité des interactions protéiques et la généralisabilité des modèles.
F.A.Q. sur la bio-industrie pharmaceutique
Chapters in this video
0:04
Introduction
0:47
Targeted Cross-Linking Mass Spectrometry (TX-MS)
2:21
JupyterHub Installation
2:51
Report Download
3:30
Report Extension and Uploading
3:50
Results: Representative Structural Model of Streptococcus Pyogenes Protein M1 and Human Albumin with XLs Mapped on the Structure
4:18
Conclusion
