De meerderheid van de eiwit massa geïdentificeerd in een IP-MS-experiment bestaat uit niet-specifieke eiwitten. Een van de belangrijkste uitdagingen van een IP-MS-experiment is dus de interpretatie van de eiwitrijke interactoren versus niet-specifieke interactoren. Om de cruciale parameters te demonstreren die worden gebruikt bij de evaluatie van de kwaliteit van de gegevens, analyseerde de studie drievoud immunoprecipitaties van 5 mg Hela nucleair extract met behulp van een kraal alleen controle. De eerste interne controle om ervoor te zorgen dat een IP-MS-experiment betrouwbaar is, is of het aas-eiwit behoort tot een van de hoogste verrijkte eiwitten die worden geïdentificeerd door zowel de fold-Change over de controle als de waarschijnlijkheid van de Heilige. In dit geval wordt het aas DYRK1A gerangschikt onder de bovenste drie verrijkte eiwitten over de controle (Figuur 2a,B). In een nucleaire interactome-studie van DYRK1A, gebruikmakend van vier onafhankelijke antilichamen, voorzag een FC-A-cutoff van > 3.00 en de SAINT-kanscutoff > 0,7 in een strenge cutoff voor de identificatie van zowel nieuwe als eerder gevalideerde interactoren22. Bij toepassing op dit experiment zou een duidelijke scheiding kunnen worden waargenomen tussen de interactoren met een hoog betrouwbaarheids percentage en > 95% van de als niet-specifieke geïdentificeerde eiwitten (Figuur 2a,B). Het toepassen van zowel een fold-Change verrijking als een waarschijnlijkheids drempel verhoogt de striktheid door een consistent hoge verrijking van eiwit-Id's in biologische replicaten te vereisen.
Naast statistische scoring, wijst de CRAPome Analysis workflow ook eerder gerapporteerde interacties toe aan aas-prooi gegevens23. Hoewel deze toewijzing nuttig kan zijn voor drempelmethode-interacties met hoge en lage betrouwbaarheid, kunnen eerder gerapporteerde interacties slecht scoren door FC-A en de kansen van de Heilige, wat mogelijk aangeeft dat veel bekende interacties van een bepaald aas alleen kunnen bestaan in specifieke celtypen, contexten of organellen. Voor het voorbeeld DYRK1A DataSet, iref interactie FC-A waarden waren zo laag als 0,45, wat neerkomt op een zeer lage verrijking over controle (figuur 2c). Om de inflatie van valse positieven te voorkomen, moet statistische drempelwaarde worden uitgevoerd op een manier die de striktheid boven de reductie van valse negatieven prioriteert. Opgemerkt moet worden dat de detectie van deze interacties onafhankelijk van eiwit overvloed was (figuur 2c). Het berekende absolute Kopieer nummer van elke iREF-interactie binnen HeLa-cellen toonde geen correlatie met de detectieniveaus van een interactie partner door IP-MS24.
Cytoscape fungeert als een effectief hulpmiddel voor het visualiseren van meerdere lagen van interactiegegevens19. In het DYRK1A immunoprecipitatie-experiment dat hier wordt beschreven, heeft het gecombineerde gebruik van FC-A-> 3,0 en Saint > 0,9 de lijst met zeer betrouwbare interactoren teruggebracht tot zes eiwitten (figuur 2D). Echter, bij het toepassen van een FC-een cutoff van > 3,0 op zichzelf, acht extra eiwitten werden toegevoegd aan het netwerk. Deze extra eiwit interactoren hebben een hoge connectiviteit met de interactoren die al in het netwerk zijn, wat suggereert dat ze worden geassocieerd in vergelijkbare complexen of functionele rollen. Om dit te doen, werd bewijs van de reeks-DB van eiwit-eiwit interacties geïntegreerd in dit netwerk als blauwe onderbroken lijnen20. Terwijl deze single-Bait, drievoud experiment biedt een beperkte steekproef van de volledige DYRK1A interactie netwerk, het gebruik van extra Aas, replicaten, en integratie van grote openbare gegevenssets kan worden gebruikt om het netwerk van High-Confidence interacties uit te breiden. De statistische afgeknipte zullen dus specifiek zijn voor elk individueel experiment en zullen grondig moeten worden geëvalueerd.

Figuur 1: representatieve proteomica-workflow voor subcellulaire IP-MS. Cellen worden geteeld in 4 L ronde bodem kolven of 15 cm weefselcultuur gerechten en geoogst op hetzelfde moment voor subcellulaire fractionering. Cellen worden gefractioneerd in een cytosolische, nucleaire en een nucleaire pellet, en immunoprecipitaties worden gedaan van 1 − 10 mg nucleair lysaat met behulp van een of meerdere antilichamen die hetzelfde aas herkennen. Filter aided sample prep (FASP) en offline monster Cleanup worden uitgevoerd voorafgaand aan single-shot massaspectrometrie. Een downstream computationele pijplijn wordt gebruikt om gegevens te verwerken in interpretabel interactiegegevens. Klik hier om een grotere versie van dit cijfer te bekijken.

Figuur 2: representatieve gegevens voor een single-BAIT IP-MS-experiment met enkelvoudige antilichamen. A) FC-A en Saint-kansoutput van CRAPome Analysis workflow voor een optimaal experiment met behulp van één antilichaam voor het kinase DYRK1A (n = 3). Voor de vergelijking werden alleen kralen gebruikt. Rode ononderbroken lijnen vertegenwoordigen afgeknipte ingesteld op FC-A > 3,00 en Saint > 0,7. (B) maxquant eiwit abundantie schattingen (iBAQ)-output versus LOG2 ratio van eiwit abundantie in DYRK1A IP to Control, gekleurd door het aangepaste p-waarde bereik van empirische Bayes-analyse van de label vrije intensiteiten. C) FC-A en het geschatte afschrift aantal eiwitten die in de iref-database23,24als interacties met eiwitten worden vermeld. (D) Cytoscape netwerk visualisatie van DYRK1A interactors. Blauwe knooppunten = FC-A > 3,00, SAINT > 0,7. Oranje knooppunten = FC-A > 3,00. Zwarte randen = eiwitten geïdentificeerd als interactoren in IPMS-experiment. Blauwe onderbroken rand = Sint-interactie tussen prooi eiwit (vertrouwen >. 150). Klik hier om een grotere versie van dit cijfer te bekijken.
| Mengsel van proteaseremmers (PI) |
| Reagens | Eindconcentratie |
| Natriummetabisulfiet | 1 mM |
| Benzamidine | 1 mM |
| Dithiothreitol (DTT) | 1 mM |
| Fenylmethanesulfonylfluoride (PMSF) | 0,25 mM |
|
| Mengsel van fosfatase remmers (PhI) |
| Reagens | Eindconcentratie |
| Microcystin LR | 1 μM |
| Natrium Orthovanadaat | 0,1 mM |
| Natriumfluoride | 5 mM |
|
| Subcellulaire fractionering buffers: |
|
| Buffer A pH 7,9 |
| Reagens | Eindconcentratie |
| HEPES | 10 mM |
| MgCl2 | 1,5 mM |
| Kcl | 10 mM |
|
| Buffer B pH 7,9 |
| Reagens | Eindconcentratie |
| HEPES | 20 mM |
| MgCl2 | 1,5 mM |
| Nacl | 420 mM |
| Ethyleendiaminetetraazijnzuur (EDTA) | 0,4 mM |
| Glycerol | 25% (v/v) |
|
| Buffer C pH 7,9 |
| Reagens | Eindconcentratie |
| HEPES | 20 mM |
| MgCl2 | 2 mM |
| Kcl | 100 mM |
| Ethyleendiaminetetraazijnzuur (EDTA) | 0,4 mM |
| Glycerol | 20% (v/v) |
|
| Immunoprecipitation-buffers: |
|
| IP-buffer 1 |
| Reagens | Eindconcentratie |
| HEPES | 20 mM |
| Kcl | 150 mM |
| Edta | 0,1 mM |
| NP-40 | 0,1% (v/v) |
| Glycerol | 10% (v/v) |
|
| IP-buffer 2 |
| Reagens | Eindconcentratie |
| HEPES | 20 mM |
| Kcl | 500 mM |
| Edta | 0,1 mM |
| NP-40 | 0,1% (v/v) |
| Glycerol | 10% (v/v) |
|
| SDS alkylatie buffer pH 8,5 |
| Reagens | Eindconcentratie |
| Sds | 4% (v/v) |
| Chlooracetamide | 40 mM |
| TCEP | 10 mM |
| Tris | 100 mM |
|
| UA pH 8,5 |
| Reagens | Eindconcentratie |
| Ureum | 8 M |
| Tris | 0,1 M |
| * gebruik HPLC-kwaliteit H2O |
Tabel 1: buffer composities
Aanvullende Codeer bestanden. Klik hier om dit bestand te downloaden.