Modelowanie struktury czwartorzędowej za pomocą chemicznej sieciowania spektrometrii mas: rozszerzenie raportów TX-MS Jupyter
20 października 2021
Ukierunkowana spektrometria mas sieciowania tworzy czwartorzędowe modele struktury białek przy użyciu danych spektrometrii mas uzyskanych przy użyciu maksymalnie trzech różnych protokołów akwizycji. W przypadku wykonywania jako uproszczony przepływ pracy na serwerze internetowym Cheetah-MS wyniki są raportowane w Jupyter Notebook. W tym miejscu pokazujemy techniczne aspekty tego, w jaki sposób można rozszerzyć Jupyter Notebook w celu uzyskania bardziej dogłębnej analizy.
Ta metoda wykorzystuje możliwości Jupyter Notebook do dostarczania informacyjnych i atrakcyjnych wizualnie raportów, jednocześnie umożliwiając użytkownikom rozszerzanie i dostosowywanie raportu w powtarzalny i identyfikowalny sposób. Ta elastyczna technika pozwala na uchwycenie wszystkich modyfikacji użytkownika w wystarczającej szczegółowości, aby można je było odtworzyć w późniejszym czasie lub przez innego użytkownika. Chociaż metoda ta jest ogólnie stosowana w każdej dziedzinie badań, jest ona przeznaczona przede wszystkim dla nauk przyrodniczych Mucor, obszaru badań, który może generować złożone dane.
Przed rozpoczęciem analizy otwórz stronę internetową spektrometrii mas z ukierunkowanym sieciowaniem. Po przejściu do witryny internetowej pojawi się ekran powitalny z ogólnym opisem usługi TX MS.web. W zakładce tutorial można zapoznać się ze szczegółowym opisem świadczonych usług, w tym informacjami o tym, jak korzystać z usługi i jak analizować wyniki.
Na karcie pobierania można pobrać oprogramowanie i zasoby. Całe oprogramowanie jest dostępne na licencji open source. Na karcie Licencja znajduje się 3-klauzulowa licencja BSD, która jawnie sprawia, że oprogramowanie jest w jak najszerszym zakresie użytecznym.
Zakładka Kontakt zawiera informacje kontaktowe, które można przesyłać pytania lub komentarze. Aby przesłać wiadomość e-mail z prośbą o poświadczenia użytkownika, wróć do karty Gepard i kliknij hiperłącze adresu e-mail u dołu strony. Wprowadź odpowiednie informacje w wierszu tematu w treści wiadomości e-mail.
Odpowiedź zostanie wysłana tak szybko, jak to możliwe. Po otrzymaniu wiadomości e-mail z potwierdzeniem i danymi uwierzytelniającymi użytkownika, zaloguj się i prześlij dane spektrometrii mas na stronę internetową. Kliknij przycisk Prześlij przepływ pracy, a następnie wprowadź tytuł i opis.
Następnie kliknij wyświetl przepływ pracy i wybierz przepływ pracy Gepard. Po wykonaniu czynności kreatora użyj przeglądarki online, aby sprawdzić Jupyter Notebook. Aby zainstalować JupyterHub, zainstaluj platformę Docker zgodnie z instrukcjami i pobierz kontener platformy Docker JupyterHub z rozszerzeniem Jupyter openBIS.
Po uruchomieniu Dockera uruchom P8171:8000 malmstroem/jove:latest container. Przejdź do wskazanego adresu internetowego i zaloguj się za pomocą loginu i hasła Użytkownika. Aby pobrać raport, kliknij przycisk nowy w języku Python 3, aby otworzyć nową kartę z notesem bez tytułu.
Kliknij konfiguruj połączenia openBIS w menu narzędzi Jupyter i wprowadź TX MS jako nazwę, adres internetowy TX MS jako adres URL, Guest dla użytkownika i G-U-E-S-T-P-A-S-S-W-D jako hasło. Wybierz nowe połączenie i kliknij przycisk Wybierz połączenie, aby wyszukać raport. Następnie kliknij, pobierz w komórce i uruchom wszystko, aby zwrócić raport.
Aby rozszerzyć raport, kliknij komórkę i wstaw poniżej, aby dodać nową komórkę na dole. Następnie kliknij kod i naciśnij Shift i Enter, aby uruchomić komórkę. Aby przesłać raport, kliknij przycisk przesyłania, aby utworzyć nowy zestaw danych.
Przedstawiono tutaj reprezentatywną strukturę M1 i albuminy z górnymi wiązaniami krzyżowymi odwzorowanymi na strukturze. Wszystkie powiązania krzyżowe uzyskano za pomocą ukierunkowanej spektrometrii mas sieciowania po przeanalizowaniu danych MS1 zależnych i niezależnych danych o wysokiej rozdzielczości, a modele obliczeniowe zostały dostarczone przez protokół RosettaDock. Ważne jest, aby pamiętać, że interakcje białek są zróżnicowane pod względem ich stabilności.
W związku z tym Twoje wyniki mogą się różnić. Obecna metodologia ogranicza się do oddziaływań binarnych i dlatego nie może być stosowana do bardziej złożonych struktur czwartorzędowych białek. Jednak modelowanie pojedynczych par może stanowić dobrą podstawę do budowania bardziej złożonych konstrukcji.
Szczegóły dotyczące interfejsu wiązania mogą być przydatne na wiele sposobów, na przykład do sugerowania mutacji, które mogą stabilizować lub destabilizować interakcje białek. Może to być pomocne w lepszym zrozumieniu roli interakcji białko-białko.
Przegląd
Niniejszy artykuł omawia metodę tworzenia modeli czwartorzędowej struktury białek z wykorzystaniem ukierunkowanej spektrometrii mas z sieciowaniem. Proces ten jest realizowany na serwerze internetowym Cheetah-MS, a wyniki są prezentowane w konfigurowalnym notatniku Jupyter Notebook.
Kluczowe elementy badania
Dziedzina nauki
- Spektrometria mas
- Analiza struktury białek
- Biologia obliczeniowa
Wstęp
- Ukierunkowana spektrometria mas z sieciowaniem jest techniką służącą do badania oddziaływań białkowych.
- Metoda ta została opracowana do złożonej analizy danych w naukach o życiu.
- Notatniki Jupyter zapewniają elastyczną platformę do raportowania i analizy danych.
- Oprogramowanie otwartoźródłowe zwiększa dostępność dla badaczy.
Cel badania
- Zaprezentowanie uproszczonego schematu pracy w modelowaniu struktury białek.
- Przedstawienie możliwości zeszytów Jupyter Notebook w raportowaniu naukowym.
- Dostarczenie powtarzalnej metody analizy danych z spektrometrii mas.
Zastosowane metody
- Wykorzystanie serwera internetowego Cheetah-MS do przesyłania danych.
- Integracja z Jupyter Notebook w celu generowania raportów.
- Zastosowanie protokołu RosettaDock do modelowania obliczeniowego.
- Szczegółowe instrukcje dla użytkownika dotyczące instalacji oprogramowania i analizy danych.
Główne wyniki
- Skuteczne modelowanie struktur białek z naniesionymi wiązaniami sieciującymi.
- Wykazanie możliwości zastosowania metody w badaniu binarnych oddziaływań białko-białko.
- Nowe informacje na temat oddziaływań białko-białko oraz ich stabilności.
- Potencjał w zakresie sugerowania mutacji wpływających na oddziaływania białek.
Wnioski
- Metodyka ta jest skuteczna w analizie binarnych oddziaływań białkowych.
- Wyniki mogą się różnić ze względu na zróżnicowany charakter oddziaływań białkowych.
- Dalszy rozwój mógłby usprawnić modelowanie złożonych struktur.
Najczęściej zadawane pytania
Znaczenie dla przemysłu
Modelowanie struktury czwartorzędowej za pomocą ukierunkowanej spektrometrii mas z sieciowaniem (TX-MS) umożliwia wysokoniezawodne mapowanie oddziaływań białko-białko bezpośrednio w złożonych próbkach biologicznych, eliminując konieczność prowadzenia wielkoskalowych procesów oczyszczania. Integracja TX-MS z konfigurowalnymi raportami w formie Notatników Jupyter wspiera powtarzalną, możliwą do śledzenia i rozszerzalną analizę, zwiększając pewność predykcyjną w początkowych etapach odkrywania oraz w procesach biologii strukturalnej. Możliwość ta ma strategiczne znaczenie dla zespołów badawczo-rozwojowych w branży biofarmaceutycznej, dążących do zmniejszenia ryzyka podczas walidacji celów terapeutycznych i przyspieszenia projektowania leków w oparciu o strukturę.
Strategiczne zastosowania w badaniach i rozwoju biofarmaceutycznym
Wczesne odkrywanie i walidacja celu
- Umożliwia bezpośrednią analizę interfejsów białko-białko w warunkach zbliżonych do natywnych.
- Wspiera funkcjonalną walidację celu poprzez mapowanie wiązań krzyżowych na modelach strukturalnych.
- Ułatwia redukcję ryzyka mechanistycznego poprzez wyjaśnienie powierzchni oddziaływań i stabilności.
- Zwiększa pewność prognostyczną dla późniejszego projektowania opartego na strukturze.
Przesiewy i opracowanie testów
- Przygotowuje zwalidowane modele strukturalne do wykorzystania w procesach przesiewowych oraz w przepływach pracy związanych z opracowywaniem testów.
- Standaryzuje raportowanie i analizę dzięki powtarzalnym wynikom w notatnikach Jupyter Notebook.
- Umożliwia ilościową ocenę danych z sieciowania w celu optymalizacji testów.
- Wspiera wiarygodną ocenę wpływu związków na oddziaływania białkowe.
Badania translacyjne i przedkliniczne
- Koreluje spostrzeżenia strukturalne ze strategiami translacyjnymi dotyczącymi biomarkerów podczas mapowania kompleksów istotnych dla przebiegu choroby.
- Zapewnia ciągłość od etapu odkrywania w mapowaniu oddziaływań po walidację w modelach przedklinicznych.
- Zmniejsza ryzyko związane z decyzjami o dalszym rozwoju projektu poprzez wyjaśnienie molekularnych mechanizmów działania.
Integracja potoków i przepływów pracy
TX-MS z raportowaniem opartym na Jupyterze integruje się z kontinuum odkryć, od wczesnej walidacji celu, poprzez identyfikację związku wiodącego, aż po badania przedkliniczne, wspierając iteracyjne testowanie hipotez i dopracowywanie modeli.
- Biologia odkrywcza: Umożliwia mapowanie interfejsów białkowych i sieci oddziaływań w oparciu o postawione hipotezy.
- Przesiewanie: Dostarcza standaryzowanych, ilościowych danych dotyczących sieciowania w celu przygotowania testów.
- Analityka: Zapewnia śledzalne, rozszerzalne raporty do analiz porównawczych i wsparcia decyzji.
- Badania translacyjne: Łączy wyniki strukturalne z układami istotnymi dla chorób, gdy są one wspierane przez zmapowane kompleksy.
- Ponowne wykorzystanie w przedsiębiorstwie: Oferuje reużywalną platformę open-source do prowadzenia stałych badań strukturalnych i oddziaływań.
Wpływ operacyjny i przedsiębiorstwa
- Wartość naukowa: Zwiększa pewność predykcyjną i zmniejsza niejednoznaczność w walidacji celów.
- Wartość operacyjna: Sprzyja powtarzalności, identyfikowalności i skalowalności dzięki ustandaryzowanym cyfrowym przepływom pracy.
- Wartość strategiczna: Umożliwia podejmowanie świadomych decyzji o kontynuacji lub przerwaniu projektu (go/no-go) oraz efektywne zarządzanie kapitałem w portfelu.
- Wpływ na portfolio: Wspiera priorytetyzację skorygowaną o ryzyko oraz rozwój strukturalnie zwalidowanych celów.
Uwagi dotyczące wdrożenia
- Wymaga wiedzy specjalistycznej w zakresie spektrometrii mas, modelowania strukturalnego i analizy obliczeniowej.
- Wymaga dostępu do aparatury MS oraz infrastruktury obliczeniowej do przetwarzania i wizualizacji danych.
- Wymaga standaryzacji formatów danych i praktyk raportowania pomiędzy zespołami.
- Adaptacja do bardziej złożonych (niebinarnych) kompleksów białkowych jest obecnie ograniczona.
- Ograniczenia praktyczne obejmują zmienność stabilności oddziaływań białkowych oraz możliwość generalizacji modelu.
Najczęściej zadawane pytania dotyczące biofarmacji
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
