$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Biomarkery w płynie mózgowo-rdzeniowym (CSF) obecnie przekształcają badania nad zaburzeniami neurodegeneracyjnymi. W chorobie Alzheimera, najczęstszej chorobie neurodegeneracyjnej, dotykającej ponad 60 milionów ludzi na całym świecie1,2, tryplet biomarkerów składający się z peptydu amyloidu beta, białka tau stabilizującego mikrotubule i fosforylowanej formy tau, może wykryć chorobę z wysoką czułością i swoistością, i został uwzględniony w kryteriach badań diagnostycznych3. W przypadku innych chorób neurodegeneracyjnych, takich jak choroba Parkinsona i stwardnienie rozsiane, badania proteomiczne zidentyfikowały wielu kandydatów na biomarkery, z których niektóre są obecnie oceniane w badaniach klinicznych4,5,6.
Oprócz białek, CSF zawiera również obfitość endogennych peptydów7,8,9,10,11,12. Peptydy te, stanowiąc produkty rozpadu wielu białek pochodzenia mózgowego, stanowią również potencjalnie ważne źródło biomarkerów choroby. Aby zwiększyć inwentarz zidentyfikowanych endogennych peptydów w ludzkim płynie mózgowo-rdzeniowym i umożliwić analizy endopeptydomiczne płynu mózgowo-rdzeniowego w badaniach klinicznych, opracowano metodę przygotowania próbki i analizy LC-MS (krótki schemat protokołu został zawarty w Rysunek 1). Zastosowanie tej metody w niedawnym badaniu zaowocowało identyfikacją prawie 16 400 endogennych peptydów płynu mózgowo-rdzeniowego w zbiorczych próbkach płynu mózgowo-rdzeniowego od kilku osób o niespecyficznej diagnozie, rozszerzając znaną endopeptydome płynu mózgowo-rdzeniowego dziesięciokrotnie13. Metoda ta może być opcjonalnie stosowana w połączeniu z metodą znakowania izobarycznego w celu oznaczania ilościowego.
Przygotowanie próbki
Głównym źródłem masy białkowej w płynie mózgowo-rdzeniowym są składniki osocza (np. albuminy i immunoglobuliny) przechodzące przez barierę krew-mózg14,15. Ich wysoka liczebność utrudnia wykrywanie mało obfitych składników próbek pochodzących z mózgu. Peptydy endogenne można łatwo oddzielić od białek o wysokiej obfitości, co pozwala na użycie znacznie większej objętości ekstraktu peptydowego CSF do analizy LC-MS, umożliwiając w ten sposób wykrywanie peptydów o mniejszej obfitości.
W przedstawionym tutaj protokole, filtracja z odcięciem masy cząsteczkowej (MWCO) została użyta do oddzielenia peptydów płynu mózgowo-rdzeniowego od frakcji białkowej; metoda, która została użyta w kilku poprzednich badaniach8,9,10,11,12,16. Po etapie filtracji nastąpił etap wstępnego frakcjonowania RP HPLC w trybie offline przeprowadzony na ruchomym gradiencie faz o wysokim pH. Wykonując dwa etapy RP HPLC w tandemie, przy czym główną różnicą jest pH, różnica w selektywności między tymi dwoma etapami wynika głównie ze zmienionej retencji peptydów w wyniku różnych stanów ładunku peptydowego. Zastosowanie wstępnego frakcjonowania peptydów o wysokim pH przed LC-MS w warunkach kwaśnych okazało się skuteczne w zwiększaniu identyfikacji peptydów17,18, a nawet lepsze w tym celu w złożonych próbkach biologicznych w porównaniu z bardziej ortogonalnymi trybami separacji19, takie jak silna wymiana jonów kotów (SCX) i RP20. Aby skrócić czas analizy, zastosowano schemat konkatenacji, łączący co 12frakcję (np. frakcje 1, 13, 25, 37 i 49), który ze względu na wysoką zdolność rozdzielczą RP HPLC nadal w dużej mierze unikał koelucji peptydów z różnych frakcji w LC-MS step20,21.
Identyfikacja peptydu
Identyfikacja peptydów w badaniach peptydomicznych różni się od identyfikacji w badaniach proteomicznych tym, że w przeszukiwaniu bazy danych nie można określić rozszczepienia enzymów, w związku z czym wskaźniki identyfikacji są zwykle niższe11. Niedawne badanie13 wykazało, że wskaźniki identyfikacji endogennych peptydów uzyskanych za pomocą Sequest i Mascot uległy znacznej poprawie, gdy domyślny algorytm punktacji odpowiedniego oprogramowania został zmodyfikowany przy użyciu adaptacyjnego algorytmu punktacji Percolator, co wskazuje, że optymalne algorytmy punktacji dla peptydów endogennych różnią się od algorytmów peptydów tryptycznych13. W badaniu tym stwierdzono, że identyfikacja oparta na automatycznym sekwencjonowaniu peptydów de novo przy użyciu oprogramowania PEAKS (BSI) jest komplementarna z dwiema wyszukiwarkami opartymi na odciskach palców jonów fragmentów, co skutkuje znacznie większym zestawem zidentyfikowanych peptydów.