Quartaire structuurmodellering door chemische cross-linking massaspectrometrie: uitbreiding van TX-MS Jupyter-rapporten
20 oktober 2021
Gerichte cross-linking massaspectrometrie creëert quaternaire eiwitstructuurmodellen met behulp van massaspectrometriegegevens die zijn verkregen met behulp van maximaal drie verschillende acquisitieprotocollen. Wanneer de resultaten worden uitgevoerd als een vereenvoudigde workflow op de Cheetah-MS-webserver, worden ze gerapporteerd in een Jupyter Notebook. Hier demonstreren we de technische aspecten van hoe de Jupyter Notebook kan worden uitgebreid voor een meer diepgaande analyse.
Deze methode maakt gebruik van de kracht van Jupyter Notebook om informatieve en visueel aantrekkelijke rapporten te leveren, terwijl de gebruikers het rapport op een reproduceerbare en traceerbare manier kunnen uitbreiden en aanpassen. Met deze flexibele techniek kunnen alle gebruikersaanpassingen voldoende gedetailleerd worden vastgelegd om in een later tijdsbestek of door een andere gebruiker te worden gereproduceerd. Hoewel deze methode algemeen toepasbaar is in elk onderzoeksgebied, is het voornamelijk ontworpen voor Mucor life science, een onderzoeksgebied dat complexe gegevens kan produceren.
Voordat u met de analyse begint, opent u de website voor gerichte cross-linking massaspectrometrie. Bij het navigeren naar de website verschijnt een welkomstscherm met een beschrijving op hoog niveau van de TX MS.webservice. Onder het tabblad Zelfstudie kan een gedetailleerde beschrijving van de geleverde services worden waargenomen, inclusief informatie over het gebruik van de service en hoe de resultaten kunnen worden geanalyseerd.
Onder het tabblad downloaden kunnen software en bronnen worden gedownload. Alle software is beschikbaar onder een open source licentie. Onder het tabblad Licentie maakt de BSD 3-clausule licentie de software expliciet zo breed mogelijk bruikbaar.
Het tabblad Contactpersoon bevat contactgegevens voor het indienen van vragen of opmerkingen. Als u een e-mail wilt indienen waarin om gebruikersreferenties wordt gevraagd, keert u terug naar het tabblad Cheetah en klikt u op de hyperlink e-mailadres onder aan de pagina. Voer de relevante informatie in de onderwerpregel in de hoofdtekst van de e-mail in.
Een antwoord zal zo snel mogelijk worden verzonden. Nadat u een bevestigingsmail met de gebruikersgegevens hebt ontvangen, logt u in en uploadt u de massaspectrometriegegevens naar de website. Klik op Workflow verzenden en voer een titel en een beschrijving in.
Klik vervolgens op workflow bekijken en selecteer de Cheetah-workflow. Nadat u de wizard hebt gevolgd, gebruikt u de online viewer om het Jupyter-notitieblok te inspecteren. Als u de JupyterHub wilt installeren, installeert u de Docker volgens de instructies en downloadt u de JupyterHub Docker-container met de Jupyter openBIS-extensie.
Na het starten van de Docker run P8171:8000 malmstroem/jove:latest container. Navigeer naar het aangegeven webadres en log in met de gebruikersnaam en het wachtwoord Gebruiker. Als u het rapport wilt downloaden, klikt u op Nieuw in Python 3 om een nieuw tabblad te openen met een notitieblok zonder titel.
Klik op openBIS-verbindingen configureren in het menu van het Jupyter-gereedschap en voer TX MS in voor de naam, het TX MS-webadres voor de URL, Gast voor de gebruiker en G-U-E-S-T-P-A-S-S-W-D voor het wachtwoord. Selecteer de nieuwe verbinding en klik op Verbinding kiezen om naar het rapport te zoeken. Klik vervolgens op, download in de cel en voer alles uit om het rapport te retourneren.
Als u het rapport wilt uitbreiden, klikt u op cel en voegt u hieronder in om onderaan een nieuwe cel toe te voegen. Klik vervolgens op code en druk op shift en enter om de cel uit te voeren. Als u het rapport wilt uploaden, klikt u op de uploadknop om een nieuwe gegevensset te maken.
Een representatieve structuur van M1 en albumine met top crosslinks in kaart gebracht op de structuur worden hier getoond. Alle crosslinks werden verkregen door gerichte crosslinking massaspectrometrie na het ontleden van hoge resolutie MS1 data afhankelijke en onafhankelijke acquisitiegegevens en de computationele modellen werden geleverd door het RosettaDock protocol. Het is belangrijk om te onthouden dat eiwiteiwitinteracties divers zijn in termen van hun stabiliteit.
Daarom kunnen uw resultaten variëren. De huidige methodologie is beperkt tot binaire interacties en kan daarom niet worden toegepast op complexere quaternaire eiwitstructuren. Het modelleren van individuele paren kan echter een goede basis bieden om complexere structuren te bouwen.
Details over de bindingsinterface kunnen op veel manieren nuttig zijn, bijvoorbeeld om mutaties te suggereren die de eiwitinteracties kunnen stabiliseren of destabiliseren. Dit kan dus nuttig zijn om de rol van eiwit-eiwitinteracties beter te begrijpen.
Overzicht
Dit artikel bespreekt een methode voor het creëren van modellen van de quartaire eiwitstructuur met behulp van gerichte cross-linking massaspectrometrie. De workflow wordt uitgevoerd op de Cheetah-MS webserver, waarbij de resultaten worden gerapporteerd in een aanpasbaar Jupyter Notebook.
Belangrijkste studiecomponenten
Wetenschappelijk gebied
- Massaspectrometrie
- Proteinstructuuranalyse
- Computationele Biologie
Achtergrond
- Gerichte cross-linking massaspectrometrie is een techniek voor het bestuderen van eiwitinteracties.
- De methode is ontworpen voor complexe data-analyse in de levenswetenschappen.
- Jupyter Notebooks bieden een flexibel platform voor datarapportage en -analyse.
- Open-source software vergroot de toegankelijkheid voor onderzoekers.
Doel van de studie
- Om een vereenvoudigde workflow voor eiwitstructuurmodellering te demonstreren.
- Om de mogelijkheden van Jupyter Notebooks in wetenschappelijke verslaglegging te tonen.
- Om een reproduceerbare methode te bieden voor het analyseren van massaspectrometriedata.
Gebruikte methoden
- Gebruik van de Cheetah-MS webserver voor het indienen van gegevens.
- Integratie van Jupyter Notebook voor het genereren van rapporten.
- Toepassing van het RosettaDock-protocol voor computationele modellering.
- Gedetailleerde gebruikersinstructies voor softwareinstallatie en data-analyse.
Belangrijkste resultaten
- Succesvolle modellering van eiwitstructuren met in kaart gebrachte cross-links.
- Demonstratie van de toepasbaarheid van de methode op binaire eiwitinteracties.
- Inzichten in eiwit-eiwitinteracties en hun stabiliteit.
- Potentieel voor het suggereren van mutaties om eiwitinteracties te beïnvloeden.
Conclusies
- De methodologie is effectief voor het analyseren van binaire eiwitinteracties.
- Resultaten kunnen variëren vanwege de diverse aard van eiwitinteracties.
- Verdere ontwikkeling zou de modellering van complexe structuren kunnen verbeteren.
Veelgestelde vragen
Relevantie voor de Industrie
Quaternaire structuurmodellering via gerichte cross-linking massaspectrometrie (TX-MS) maakt een betrouwbare mapping van eiwit-eiwitinteracties mogelijk direct vanuit complexe biologische monsters, waardoor grootschalige zuivering niet langer nodig is. De integratie van TX-MS met aanpasbare Jupyter Notebook-rapporten ondersteunt reproduceerbare, traceerbare en uitbreidbare analyses, wat het voorspellend vertrouwen in vroege ontdekkings- en structurele biologiepijplijnen vergroot. Deze functionaliteit is strategisch relevant voor biofarma R&D-teams die risico's bij targetvalidatie willen verminderen en structuurgestuurde geneesmiddelenontwikkeling willen versnellen.
Strategische toepassingen in biofarmaceutische R&D
Vroege ontdekking & targetvalidatie
- Maakt directe bevraging van eiwit-eiwitinterfaces onder natuurgetrouwe omstandigheden mogelijk.
- Ondersteunt functionele targetvalidatie door cross-links in kaart te brengen op structurele modellen.
- Faciliteert mechanistische risicoreductie door interactie-oppervlakken en stabiliteit te verduidelijken.
- Verbetert het voorspellend vertrouwen voor downstream structuurgebaseerd ontwerp.
Screening & Assay-ontwikkeling
- Bereidt gevalideerde structurele modellen voor voor gebruik in screenings- en assayontwikkelingsworkflows.
- Standaardiseert rapportage en analyse via reproduceerbare Jupyter Notebook-outputs.
- Maakt kwantitatieve beoordeling van cross-linking-gegevens mogelijk voor assay-optimalisatie.
- Ondersteunt betrouwbare evaluatie van compound-effecten op eiwitinteracties.
Translationeel & Preklinisch Onderzoek
- Rijgt structurele inzichten aan translationele biomarkerstrategieën bij het in kaart brengen van ziekterelateerde complexen.
- Biedt continuïteit van interactie-mapping in de ontdekkingsfase naar validatie in preklinische modellen.
- Verlaagt de risico's bij beslissingen over verdere ontwikkeling door moleculaire werkingsmechanismen te verduidelijken.
Integratie van Pijplijn & Workflow
TX-MS met rapportage op basis van Jupyter integreert in het discovery-continuüm, van vroege targetvalidatie tot lead-identificatie en preklinisch onderzoek, ter ondersteuning van iteratieve hypothese-testen en modelverfijning.
- Discovery Biology: Maakt hypothese-gestuurde mapping van proteïne-interfaces en interactienetwerken mogelijk.
- Screening: Levert gestandaardiseerde, kwantitatieve cross-linking-gegevens voor assay-gereedheid.
- Analytics: Biedt traceerbare, uitbreidbare rapporten voor vergelijkende analyse en beslissingsondersteuning.
- Translationeel Onderzoek: Slaat een brug tussen structurele bevindingen en ziekterelevante systemen wanneer ondersteund door gemapte complexen.
- Enterprise Hergebruik: Biedt een herbruikbaar open-source platform voor voortdurende structurele en interactiestudies.
Operationele & Bedrijfsimpact
- Wetenschappelijke waarde: Verhoogt het voorspellende vertrouwen en vermindert ambiguïteit bij targetvalidatie.
- Operationele waarde: Bevordert reproduceerbaarheid, traceerbaarheid en schaalbaarheid via gestandaardiseerde digitale workflows.
- Strategische waarde: Maakt geïnformeerde go/no-go beslissingen en kapitaalefficiënt portfoliomanagement mogelijk.
- Impact op portfolio: Ondersteunt risico-gecorrigeerde prioritering en de verdere ontwikkeling van structureel gevalideerde targets.
Overwegingen bij de implementatie
- Vereist expertise in massaspectrometrie, structurele modellering en computationele analyse.
- Vereist toegang tot MS-instrumentatie en computationele infrastructuur voor gegevensverwerking en visualisatie.
- Vereist standaardisatie van gegevensformaten en rapportageprocedures tussen teams.
- Aanpassing aan complexere (niet-binaire) eiwitassemblages is momenteel beperkt.
- Praktische beperkingen omvatten variabiliteit in de stabiliteit van eiwitinteracties en de generaliseerbaarheid van modellen.
Biopharma Veelgestelde Vragen
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
