$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
De prevalentie van invasieve schimmelinfecties neemt enorm toe en is gecorreleerd met onaanvaardbaar hoge sterftecijfers, meestal gerapporteerd bij personen met immunodeficiënte aanleg1. Cryptococcus neoformans is een beruchte opportunistische schimmelpathogene die in staat is tot intracellulaire overleving in gastheermacrofaagcellen. Ontoereikende antischimmelinterventie resulteert in schimmelverspreiding en levensbedreigende manifestaties van cryptokokken meningitis en meningoencephalitis2,3. De wereldwijde toename van de immunogecompromitteerde status heeft een parallelle toename van het gebruik van schimmelwerende middelen geëist, waarbij veel schimmelsoorten, waaronder C. neoformans, in toenemende mate resistentie hebben ontwikkeld naar4,5,6. Daarom is het absoluut noodzakelijk om robuuste en efficiënte technologieën te implementeren om essentiële biologische vragen met betrekking tot de reactie van de gastheerverdediging en microbiële pathogenese te beantwoorden.
Het nieuwe tijdperk van technologische vooruitgang in massaspectrometrie (MS), met inbegrip van de generatie van krachtige computationele en bioinformatische pijpleidingen, vormt de basis voor een integratieve visie voor grootschalige analyse van onderzoek naar gastheerpathogenen7,8. Conventionele pathogenese-gedreven proteomische analyse profileert gewoonlijk de visie op infectie vanuit het perspectief van de gastheer of de ziekteverwekker, met inbegrip van uitgebreide methodologieën zoals eiwitcorrelatieprofilering, affiniteitschromatografie in combinatie met proteomics en interactomics9. Onderzoeken naar de virulentie van gevaarlijke ziekteverwekkers in een gastheersysteem zijn van enorm klinisch belang; de toepassing van een analyse met twee perspectieven in één enkel experiment werd echter voorheen als onbereikbaar beschouwd. Het perspectief van de ziekteverwekker op infectie wordt bijvoorbeeld vaak overweldigd door zeer overvloedige gastheereiwitten, wat resulteert in een verminderde gevoeligheid voor de detectie van laag-overvloedige schimmeleiwitten7. Bovendien nodigt de hoge steekproefcomplexiteit veel doelen uit om in één experimenteel systeem te onderzoeken en blijkt het een uitdaging om werkingsmechanismen voor een specifiek ziekteverwekkereiwit op te helderen.
Bottom-up proteomics is een populaire MS-techniek die beheersbare monstervoorbereiding mogelijk maakt, waarbij peptiden worden gegenereerd door sequentiespecifieke enzymatische vertering gevolgd door scheiding, identificatie en kwantificering van vloeibare chromatografie door MS10,11. Hier presenteren we een methode die een data-afhankelijke acquisitiestrategie demonstreert die is bedoeld om een onbevooroordeelde dekking van een op infecties gebaseerd proteoom of 'infectoom' te bereiken. In het bijzonder werpt labelvrije kwantificering (LFQ) de afhankelijkheid van chemische of metabole etiketten af voor een robuuste en nauwkeurige identificatie van veranderingen in het eiwitgehalte in meerdere proteomen, waardoor de behandeling en verwerking van monsters worden verminderd12,13. Deze universele toepassing ondervraagt geproduceerde eiwitten op een bepaald moment in een cel onafhankelijk van elke verwachte eiwitproductie; zo kunnen nieuwe inzichten worden ontdekt die van cruciaal belang zijn voor infectie.
De workflow die hierin wordt beschreven, is geoptimaliseerd om veranderingen in het eiwitniveau van C. neoformans te onderzoeken tijdens infectie-nabootsende aandoeningen met gastheer-immuuncellen (figuur 1). In plaats van te vertrouwen op de isolatie en scheiding van celtypen, haalt deze aanpak het gastheer- en ziekteverwekkerproteoom samen en maakt gebruik van bioinformatische scheiding met behulp van twee organismespecifieke databases om soortspecifieke eiwitproductie te onderscheiden. Deze methode biedt voordelen voor een onbeperkt aantal monsters dat moet worden verwerkt zonder de extra dure voorbereidingsstappen die nodig zijn in op isotopen gebaseerde etiketteringsstudies of fractionering. Bovendien ondersteunt deze workflow geoptimaliseerde eiwitextractieprotocollen die kunnen worden overgedragen op een breed scala aan schimmel- en bacteriële pathogenen die gastheer immuuncellen kunnen richten en infecteren. Over het algemeen schetst dit protocol de stappen om een onbevooroordeelde eiwitextractie en monsterverwerking voor ms met hoge resolutie te voltooien, gevolgd door gegevens en statistische analyse, in staat om een schat aan kennis te bieden van schimmeleiwitten die belangrijk zijn voor infectie in combinatie met uitgebreide profilering van de reactie van de gastheerverdediging.