Комплементарные физико-химические свойства пептидов и их использование в протеомных исследованиях тема диссертации и автореферата по ВАК РФ 01.04.17, кандидат наук Лобас Анна Александровна

• Лобас Анна Александровна
• кандидат наук
• 2019

Оглавление диссертации кандидат наук Лобас Анна Александровна

ВВЕДЕНИЕ

Глава 1. ОСНОВНОЕ ПРЕДСТАВЛЕНИЕ О ПРЕДМЕТЕ ИССЛЕДОВАНИЯ

1.1 Применение масс-спектрометрических методов в протеомике

1.2 Основные физико-химические характеристики пептидов, определяющие различные подходы в протеомике

1.3 Фракционирование сложных пептидных смесей

1.4 Предсказание хроматографических времён удерживания пептидов в задачах протеомики

Глава 2. ВЛИЯНИЕ СПЕЦИФИЧНОСТИ ГИДРОЛИЗА БЕЛКОВЫХ ЦЕПЕЙ НА СЛОЖНОСТЬ АНАЛИЗИРУЕМЫХ СМЕСЕЙ ПРОТЕОЛИТИЧЕСКИХ ПЕПТИДОВ

2.1 Постановка задачи вычислительного эксперимента

2.2 Статистическая оценка исследуемых белковых баз данных

2.3 Теоретическая оценка гидролиза по основным остаткам

2.4 Теоретическая оценка гидролиза по остаткам аспарагина, аспарагиновой и глутаминовой кислот

2.5 Теоретическая оценка гидролиза по редким остаткам: триптофану, цистеину и метионину

2.6 Оценка эффективности использования гидролизующих агентов различной специфичности для покрытия протеомов

2.7 Экспериментальная апробация химических гидролизующих агентов, специфичных к редким аминокислотным остаткам

2.8 Проблема дискриминации коротких пептидов при использовании поискового алгоритма Morpheus

Глава 3. ИСТОЧНИКИ КОМПЛЕМЕНТАРНЫХ ФИЗИКО-ХИМИЧЕСКИХ ДАННЫХ О ПЕРВИЧНОЙ СТРУКТУРЕ ПЕПТИДОВ

3.1 Ограничения метода точных массово-временных меток

3.2 Использование значений изоэлектрических точек в качестве комплементарных физико-химических данных

3.3 Использование данных частичного концевого химического гидролиза

3.4 Экспериментальная реализация частичного концевого химического гидролиза пептидов

Глава 4. ПРИМЕНЕНИЕ МОДЕЛИ КРИТИЧЕСКОЙ ХРОМАТОГРАФИИ БИОМОЛЕКУЛ ДЛЯ ПРЕДСКАЗАНИЯ ВРЕМЁН УДЕРЖИВАНИЯ ПЕПТИДОВ НА ГИДРОФИЛЬНОЙ ФАЗЕ ШЫС

4.1 Оценка ортогональности хроматографии гидрофильных взаимодействий и хроматографии на обращённой фазе для разделения пептидов

4.2 Адаптация модели В^ССС для описания хроматографии гидрофильных взаимодействий

4.3 Оценка точности предсказания времён удерживания пептидов на НШС в градиентном режиме с использованием модели В^ССС

Глава 5. ПРИМЕНЕНИЕ ОПТИМИЗАЦИОННЫХ АЛГОРИТМОВ В ХРОМАТОГРАФИЧЕСКОМ АНАЛИЗЕ ГИДРОЛИЗАТОВ КЛЕТОЧНЫХ ЛИНИЙ ЧЕЛОВЕКА

5.1. Задача оптимизации фракционирования пептидных смесей

5.2. Разработка алгоритма FractionOptimizer

5.3. Сравнение с существующими подходами

5.4. Применение разработанного алгоритма для анализа цельноклеточного гидролизата клеток НЕК293

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

СПИСОК СОКРАЩЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ВВЕДЕНИЕ

Введение диссертации (часть автореферата) на тему «Комплементарные физико-химические свойства пептидов и их использование в протеомных исследованиях»

Актуальность темы исследования

Белки, ключевые молекулы любого живого организма, представляют собой набор полипептидных цепей - линейных гетерополимеров, состоящих из аминокислотных остатков. Аминокислотные последовательности белков определяют разнообразие пространственных структур и функций этих биомолекул.

Протеомика - это область науки, объединяющая множество физико-химических методов исследования совокупности белков биологического образца, а также методов анализа данных с получением достоверной биологической информации. Подобные подходы относятся к постгеномным технологиям (поскольку опираются на результаты расшифровки геномов организмов) и представляют интерес, поскольку именно белки являются конечным функциональным продуктом генов, определение белкового состава клетки позволяет сделать выводы о процессах и состоянии клетки. В основе протеомного анализа лежат две технологии: хроматографическое разделение смесей белков и масс-спектрометрия, позволяющая получать информацию о первичной последовательности белковых молекул. Следует отметить, что объектом протеомики являются сложные смеси белков, экстрагированные из биологических проб и характеризующиеся широким диапазоном концентраций (до 108) и крайне высокой гетерогенностью, доходящей до миллионов индивидуальных высокомолекулярных соединений. Соответственно, создание новых и развитие существующих методов и подходов к анализу сложных смесей биомолекул является одной из основных задач в протеомике. В частности, дополнение масс-спектрометрии комплементарными физико-химическими методами анализа биомолекул позволяет получить больше количественной и качественной информации об исследуемых образцах, особенно о низкоконцентрационных компонентах смеси, которые зачастую представляют наибольший интерес как потенциальные маркеры патологических состояний или участники важных биохимических процессов в клетках. К таким комплементарным методам относятся, в первую очередь, высокоэффективная жидкостная хроматография (ВЭЖХ) и тандемная масс-спектрометрия (МС/МС). Они позволяют получать информацию о первичной структуре, основанную на разных физико-химических свойствах биомакромолекул.

Цели и задачи исследования

Цель работы заключалась в выявлении источников комплементарной информации о физико-химических свойствах анализируемых многокомпонентных смесей белковых молекул и разработке теоретических моделей и подходов, позволяющих извлекать эту информацию из результатов хромато-масс-спектрометрического анализа.

Конкретными задачами исследования были следующие:

1. Разработка теоретических основ идентификации первичных структур биомакромолекул на основе гидролиза различной специфичности.

2. Определение комплементарных данных о физико-химических свойствах пептидов, получаемых методами масс-спектрометрии в сочетании с высокоэффективной жидкостной хроматографией, оценка их влияния на эффективность идентификации первичной структуры исследуемых веществ.

3. Разработка основ метода идентификации биомакромолекул на основе частичного концевого химического гидролиза и его экспериментальная апробация.

4. Развитие метода критической жидкостной хроматографии биомакромолекул для предсказательного разделения на основе гидрофильных взаимодействий и получения дополнительной комплементарной информации о первичной структуре анализируемых соединений.

5. Разработка оптимизационных подходов к фракционированию и анализу смесей биомакромолекул методами жидкостной хроматографии в сочетании с масс-спектрометрией.

Научная новизна

1. Впервые обоснована возможность использования гидролиза биомакромолекул различной специфичности для хромато-масс-спектрометрического анализа сложных смесей.

2. Впервые показана возможность прямой идентификации первичной структуры биомакромолекул методами хромато-масс-спектрометрии с использованием комплементарной физико-химической информации, включая данные частичного концевого химического гидролиза, предсказательной жидкостной хроматографии гидрофильных взаимодействий и изоэлектрического фокусирования.

3. Впервые предложена модель предсказательной критической жидкостной хроматографии биомакромолекул на основе гидрофильных взаимодействий. Экспериментально получены феноменологические параметры модели.

4. Предложен метод оптимизации фракционирования сложных смесей биомакромолекул.

Теоретическая и практическая значимость работы

Полученные результаты могут быть использованы исследователями и специалистами в области разработки физико-химических методов анализа структуры веществ, хроматографии синтетических и природных биополимеров, разработки постгеномных технологий, протоколов физико-химического анализа биологических и клинических проб, а также методов медицинской диагностики. Предложенные в работе методы прямой хромато-масс-спектрометрической идентификации первичной структуры биомакромолекул позволяют увеличить динамический диапазон анализа протеомов сложных организмов, включая человека, в задачах персонализированной медицины.

Методы исследования

В работе использовались следующие физико-химические методы исследования:

• микро- и нанопотоковая высокоэффективная жидкостная хроматография;

• масс-спектрометрия на основе радиочастотной ионной ловушки;

• времяпролётная масс-спектрометрия высокого разрешения;

• масс-спектрометрия высокого и сверхвысокого разрешения на основе электростатической орбитальной ионной ловушки;

• обращено-фазная хроматография на стационарной фазе Ci8 и хроматография гидрофильных взаимодействий HILIC на немодифицированном силикагеле.

Подготовка сложных смесей биомакромолекул проводилась с использованием стандартных биохимических методов.

Теоретические исследования проводились с использованием программных ресурсов, разработанных автором с использованием языка программирования высокого уровня с динамической типизацией Python.

Основные положения, выносимые на защиту

1. Использование частичного химического гидролиза и гидролиза различной специфичности для идентификации первичной структуры пептидов;

2. Хромато-масс-спектрометрическая идентификация биомакромолекул на основе комплементарных физико-химических данных;

3. Модель критической жидкостной хроматографии гидрофильных взаимодействий для предсказания времён удерживания биомакромолекул с заданной первичной структурой;

4. Оптимизация условий жидкостной хроматографии для фракционирования сложных смесей на основе предсказательной хроматографии биомакромолекул.

Степень достоверности полученных результатов

Достоверность полученных результатов обеспечена использованием известных

апробированных теоретических и экспериментальных подходов. Результаты расчётов

подтверждаются экспериментальными данными.

Апробация результатов

Основные результаты диссертации были доложены на конференциях:

- 9-я конференция Австрийского протеомного общества (г. Вена, Австрия 2011);

- 6-я конференция по протеомике Центральной и Восточной Европы (г. Будапешт, Венгрия 2012);

- 6-я и 9-я летние школы по масс-спектрометрии в биологии и медицине (г. Дубровник, Хорватия 2012, 2015);

- ЯБСОМБ-СР 2012 конференция по вычислительной протеомике (г. Сан-Диего, США 2012);

- 23-й и 24-й Масс-спектрометрический форум (г. Вена, Австрия 2012, 2013);

- 61-я (г. Миннеаполис, США 2013), 62-я (г. Балтимор, США 2014), 64-я (г. Сан-Антонио, США 2016), 65-я (г. Индианаполис, США 2017), 66-я (г. Сан-Диего, США 2018) конференции Американского масс-спектрометрического общества;

- 38-й конгресс Европейских биохимических обществ (г. Санкт-Петербург, Россия 2013);

- 6-й и 7-й съезды Всероссийского масс-спектрометрического общества (г. Москва, Россия 2013, 2015);

- 57-я Научная конференция МФТИ (г. Долгопрудный, Россия 2014);

- 7-й Российский симпозиум "Белки и пептиды"(г. Новосибирск, Россия 2015);

- 45-й международный симпозиум по высокоэффективным жидкостным методам разделения и связанным методам (г. Прага, Чехия 2017).

Публикации

По материалам диссертации опубликовано 7 печатных работ. Работ, опубликованных в рецензируемых научных изданиях, рекомендованных ВАК - 7.

Личный вклад автора

Результаты, представленные в диссертации, получены при непосредственном участии автора, включая выбор задач исследования, обоснование выбранных методов исследования, выполнение экспериментов, разработку программных ресурсов для обработки результатов экспериментов, а также разработку теоретических моделей.

Объем и структура диссертации

Диссертация состоит из введения, пяти глав, включая литературный обзор, и заключения. Полный объём диссертации составляет 115 страниц, включая 44 рисунка и 5 таблиц. Список литературы содержит 173 наименования.

Глава 1. ОСНОВНОЕ ПРЕДСТАВЛЕНИЕ О ПРЕДМЕТЕ ИССЛЕДОВАНИЯ

1.1 Применение масс-спектрометрических методов в протеомике

Масштабное исследование белкового состава биологических образцов в постгеномную эру осуществляется средствами протеомики, включающими в себя физико-химические методы исследования сложных смесей биомолекул, основанные на масс-спектрометрии и высокоэффективной жидкостной хроматографии. Анализ белковых и пептидных молекул на масс-спектрометре стал возможен после изобретения мягких методов ионизации, электрораспыления [1] и матрично-активированной лазерной десорбции [2], позволяющих ионизовать нелетучие молекулы целиком. Изучение белков представляет интерес как для фундаментальных, так и для прикладных биологических и клинических исследований, поскольку именно белки являются конечными продуктами генов, выполняющими большинство функций в живой клетке. Протеом - полное белковое содержание того или иного биологического образца, такого как клетка, ткань, жидкость организма, - имеет достаточно динамичную структуру, то есть зависит от внешних условий, возраста или патологического состояния исследуемого организма [3-5]. В этом состоит одно из основных отличий протеома от генома (совокупности всех генов организма), в силу которого исследование протеома требует разработки высокочувствительных и высокопроизводительных физико-химических и вычислительных методов [6, 7].

Важной задачей протеомики является определение белкового состава образца методом идентификации аминокислотных последовательностей (первичных структур) по известным базам данных, созданным на основе геномной информации [8-11]. Кроме того, зачастую интерес представляют посттрансляционные модификации, то есть изменения химической структуры боковых цепей аминокислотных остатков, связанные с биохимическими процессами в клетке [12]. Во многих случаях наряду с идентификацией необходимо получить абсолютную или относительную количественную информацию о белковом содержании исследуемого образца [13-15], поскольку концентрации тех или иных белков могут изменяться в зависимости от состояния исследуемой биологической системы [16].

Наиболее распространённым подходом для идентификации белков в исследуемом образце является на данный момент так называемая протеомика снизу-вверх (см. рисунок 1.1), основанная на хромато-масс-спектрометрическом анализе коротких пептидов, полученных с помощью специфичного гидролиза белковых цепей [3, 5]. Как

правило, для гидролиза белков используется фермент трипсин [17], специфичный к основным аминокислотным остаткам, лизину и аргинину, но существуют и альтернативные методы гидролиза с использованием химических или биохимических агентов [18].

Рисунок 1.1. Схема стандартного протеомного эксперимента снизу-вверх на образце клеточной природы. Клетки подвергаются лизису для отделения белковой фракции, после чего производится специфичный гидролиз белков (протеолиз), как правило с использованием фермента трипсина. Полученная смесь пептидов подвергается хромато-масс-спектрометрическому анализу (ВЭЖХ-МС/МС), после чего производится обработка данных, включающая в себя поиск по базе данных белковых последовательностей и статистический анализ результатов поиска. Результатом анализа является список идентифицированных пептидов и белков, возможно с информацией об их достоверности и количественном содержании.

Полученные в результате гидролиза белков смеси пептидов, как правило, содержат множество компонентов [19], поэтому они подвергаются хроматографическому разделению перед масс-спектрометрическим анализом. Хромато-масс-спектрометрический анализ сложных смесей биомолекул реализуется в поточном

режиме с использованием атмосферного метода ионизации электрораспылением [3, 14].

Наиболее популярным методом разделения сложных пептидных смесей является высокоэффективная жидкостная хроматография (ВЭЖХ) на обращённой фазе, в качестве которой, как правило, выступает силикагель, модифицированный алкильными цепями определённой длины ^4, C6, ^8) [20].

В классическом подходе высокопроизводительной протеомики для получения информации об аминокислотной последовательности пептида используется тандемная масс-спектрометрия: ион, обладающий достаточной интенсивностью в масс-спектре первого уровня, подвергается изоляции и фрагментации, и записывается масс-спектр ионов-фрагментов [3, 14, 21, 22]. Как правило, используется хромато-масс-спектрометрический метод, включающий в себя запись масс-спектра молекулярных ионов с автоматизированным выбором из него нескольких ионов-предшественников с наибольшими интенсивностями и последующей фрагментацией каждого из них. Такой подход позволяет анализировать компоненты смеси с наибольшими концентрациями, для которых максимальна вероятность записать качественный масс-спектр фрагментации и, следовательно, получить достоверную идентификацию первичной структуры [19]. Однако наряду с этим методом развитие получает альтернативный подход, при котором фрагментации подвергаются все ионы-предшественники вне зависимости от их интенсивности и без предварительной изоляции [23]. Подобный подход позволяет более точно, в том числе количественно, характеризовать исследуемые смеси, однако требует намного более сложных систем обработки данных, чем традиционный метод.

Информация о массе ионов-предшественников и их фрагментов используется для идентификации первичной структуры пептидов по известным базам данных последовательностей с использованием компьютерных поисковых алгоритмов [24-28], либо для прямого определения аминокислотных последовательностей (так называемого де-ново секвенирования) [29, 30]. Основная идея работы поисковых алгоритмов состоит в том, что для каждого пептида-кандидата из базы данных, масса которого совпадает (с заданной точностью) с экспериментально наблюдаемой массой иона-предшественника строится теоретический масс-спектр ионов-фрагментов, который сравнивается с экспериментальным спектром фрагментации. Результатом такого сравнения является численное значение «индекса достоверности» («скора»), то есть степени совпадения между теоретическим и экспериментальным масс-спектрами. Часто помимо первичного скора вычисляется статистическая характеристика в-уа!ив, характеризующая то,

насколько последовательность с наибольшим скором превзошла другие последовательности-кандидаты на данный спектр. После завершения работы поискового алгоритма полученные значения индексов достоверности используются для фильтровки списка спектральных идентификаций до заданного уровня достоверности (количества ложноположительных идентификаций) с использованием алгоритмов статистической обработки данных [31-33]. Базовым подходом является метод ложных последовательностей: к базе данных добавляется определённое количество последовательностей, которые заведомо не соответствуют настоящим пептидам и могут быть поставлены в соответствие масс-спектру только при случайном совпадении. Количество таких случайных совпадений позволяет оценить долю ложноположительных идентификаций в результатах поиска [34, 35].

Подходы, основанные на тандемной масс-спектрометрии в сочетании с высокоэффективной жидкостной хроматографией, получили широкое распространение в фундаментальной и клинической протеомике. На рисунке 1.1 представлена схема стандартного протеомного эксперимента снизу-вверх на образце клеточной природы.

1.2 Основные физико-химические характеристики пептидов, определяющие различные подходы в протеомике

Наиболее распространённым подходом для анализа сложных белковых образцов

является протеомика снизу-вверх, основанная на ферментативном гидролизе белковых

цепей с использованием трипсина. Этот метод получения протеолитических пептидов

отличает высокая надёжность, воспроизводимость и удобство, связанное с тем, что

получаемые пептиды имеют сайты протонирования на обоих концах цепи, что приводит

к хорошей ионизации и возможности масс-спектрометрического детектирования N и ^

концевых серий фрагментов. Однако стоит отметить, что таким способом получается

большое количество пептидов с массами до 1 кДа, которые обладают низким уровнем

уникальности с точки зрения идентификации белков (чем короче аминокислотная

последовательность, тем выше вероятность того, что она встречается более чем в одном

белке базы данных). Большинство пептидов, наблюдаемых в высокопроизводительных

протеомных экспериментах снизу-вверх, имеют длину от 6 до 30 аминокислотных

остатков, в то время как теоретическое распределение пептидов, получаемых методом

триптического гидролиза, имеет максимум в области длин меньше 10. Пептиды длиной

от 30 аминокислотных остатков, обладающие высокой степенью специфичности, как

правило, не идентифицируются в подобных экспериментах. Это связано с тем, что

параметры масс-спектрометрической системы, такие как частота сканирования, разрешающая способность, условия фрагментации [36], а также хроматографические параметры (тип неподвижной фазы и размеры колонки, скорость потока)[37, 38] оптимизированы для анализа коротких пептидов с массами меньше 3 кДа.

Также было показано, что для некоторых классов белков, таких как мембранные белки или высокоупорядоченные глобулярные белки, ферментативный гидролиз затруднён из-за структурных особенностей субстрата, что приводит к меньшему выходу гидролиза и, как следствие, меньшей вероятности идентификации таких белков в подходе снизу-вверх [39]. Одним из возможных решений этой проблемы является использование сочетания нескольких протеаз, например, последовательный гидролиз с использованием эндопротеазы LysC, специфичной к остаткам лизина, и трипсина, что позволяет увеличить выход гидролиза и покрытие последовательности белков идентифицированными пептидами [40].

Фрагментация ионов пептидов является критическим этапом протеомного эксперимента, поскольку именно масс-спектры фрагментов используются для дальнейшей идентификации пептидов [21, 30, 36, 41]. Информация, получаемая из масс-спектров второго уровня, является специфичной к последовательности пептида (сиквенс-специфичной) и позволяет значительно повысить вероятность достоверной идентификации по сравнению с подходами, основанными только на точных массах пептидов (в том числе методом точных массово-временных меток) [22]. Тандемная масс-спектрометрия включает в себя изоляцию иона-предшественника и диссоциацию за счёт соударений или химической реакции с последующим детектированием ионов-фрагментов.

Поскольку эффективность фрагментации ионов пептидов зависит от их длины и аминокислотного состава, использование комплементарных методов диссоциации позволяет повысить аналитические возможности метода. В частности, для более длинных пептидных молекул зачастую более эффективными оказываются методы диссоциации, основанные на захвате/трансфере медленных электронов (ECD/ETD).

Одним из существенных недостатков подхода снизу-вверх на основе гидролиза трипсином для анализа сложных белковых образцов является сложность получаемых пептидных смесей. В результате, большое количество пептидов с близкими массами коэлюируют и оказываются в одном окне изоляции (ширина которого составляет как правило от 0.8 до 4 Да). Одновременная изоляция и фрагментация таких близких

пептидов приводит к возникновению так называемых химерных спектров, содержащих фрагменты нескольких ионов-предшественников [42]. На сегодняшний день существуют алгоритмы для обработки и идентификации таких смешанных спектров [43], но не всегда это представляется возможным, и наличие химерных спектров повышает вероятность ложных идентификаций. Даже масс-спектрометры высокого разрешения не всегда позволяют справиться с проблемой смешанных спектров, поскольку пики фрагментов могут быть подвержены коалесценции в ионной ловушке [44]. Кроме того, известно, что совместная изоляция нескольких ионов-предшественников понижает точность количественных методов, основанных на использовании изотопных меток, таких как тандемные или изобарные массовые метки [45]. Описанные выше проблемы накладывают ограничения на специфичность и чувствительность протеомных экспериментов в рамках подхода снизу-вверх. Обойти эти ограничения можно разрабатывая инструменты с большей чувствительностью и скоростью сканирования, а также альтернативные способы пробоподготовки.

Помимо распространённого подхода снизу-вверх параллельно развивается метод, основанный на хромато-масс-спектрометрическом анализе интактных (целых) белков или их крупных фрагментов в диапазоне масс 15-50 кДа - протеомика сверху-вниз [46, 47]. Как правило, фрагментация белковых молекул производится в газовой фазе с использованием захвата или трансфера электрона, а детектирование фрагментов производится с использованием масс-анализаторов с преобразованием Фурье (ловушка ионно-циклотронного резонанса, орбитальная электростатическая ловушка Orbitrap) либо времяпролётного масс-спектрометра. Основным преимуществом подхода сверху-вниз можно считать возможность работать со всей аминокислотной последовательностью белка, в том числе определять расположение посттрансляционных модификаций. Таким образом, этот подход специализируется на исследованиях белковых смесей на уровне протеоформ. Термином «протеоформа» обозначается конкретный молекулярный продукт гена, характеризующийся определённым набором генетических вариантов, посттранскрипционных и посттрансляционных модификаций [48, 49]. Однако анализ белковых смесей в рамках данного подхода затруднён, особенно для крупных белков, в силу низкой эффективности фрагментации методами ECD и ETD: невозможно получить высокое покрытие последовательности белка массой >50 кДа в рамках ограниченного по времени эксперимента (как правило, ограничением является ширина хроматографического пика). Кроме того, высокие зарядовые состояния ионов-предшественников, пересекающиеся массовые распределения различных белков и

структурное разнообразие интактных белковых молекул приводят к тому, что изоляция отдельного белка, а тем более протеоформы не является возможной. Получаемые масс-спектры второго порядка содержат фрагменты различных зарядовых состояний, что требует специальной обработки (деконволюции). Разделение крупных белковых молекул с использованием жидкостной хроматографии также ограниченно. Все вышеперечисленные недостатки подхода приводят к тому, что его применение ограничивается на данный момент исследованием белковых фракций небольшой сложности и с молекулярными весами до 30-35 кДа. Рутинное применение технологии сверху-вниз на данный момент производится только в небольшом количестве лабораторий. Тем не менее, последние разработки в области капиллярного электрофореза, а также увеличения чувствительности, разрешающей способности и эффективности фрагментации позволяют расширить область применения технологии [50].

Альтернативой подходам снизу-вверх и сверху-вниз является развивающаяся в последние годы протеомика промежуточного массового диапазона [51]. В этом подходе сочетаются достоинства каждого из двух вышеописанных методов, что позволяет избежать некоторых из отмеченных выше недостатков. Данный подход предполагает гидролиз белковых цепей, однако с образованием существенно более длинных пептидов (до 150 аминокислотных остатков или до 15 кДа). Это позволяет получить пептидные смеси меньшей сложности, чем в подходе снизу-вверх, что повышает долю покрытия образца масс-спектрами высокого разрешения за время хроматографического градиента. Кроме того, увеличение длины пептида как правило увеличивает зарядовое состояние соответствующего иона-предшественника, повышая эффективность фрагментации электронными методами ECD/ETD [52]. Использование данного подхода увеличивает покрытие аминокислотных последовательностей идентифицированных белков за счёт большего среднего размера пептидов, а также вероятность локализации сайта потенциальной модификации или одноаминокислотной замены [53]. Вместе с тем, наличие посттрансляционных модификаций может привести к комбинаторному усложнению смесей длинных пептидов. Информация о связи между различными сайтами модификаций, которую можно получить в подобном эксперименте, может быть утеряна при традиционном гидролизе в подходе снизу-вверх.

Список литературы диссертационного исследования кандидат наук Лобас Анна Александровна, 2019 год

СПИСОК ЛИТЕРАТУРЫ

1. Fenn J. B., Mann M., Meng C. K., Wong S. F., Whitehouse C. M. Electrospray ionization for mass spectrometry of large biomolecules // Science. —1989. — V. 246. — N. 6. — P. 6471.

2. Tanaka K., Waki H., Ido Y., Akita S., Yoshida Y., Yoshida T., Matsuo T. Protein and polymer analyses up to m/z 100 000 by laser ionization time-of-flight mass spectrometry // Rapid Communications in Mass Spectrometry. — 1988. — V. 2. — N. 8. — P. 151-153.

3. Aebersold R., Mann M. Mass spectrometry-based proteomics // Nature. — 2003. — V. 422. — N. 6928. — P. 198-207.

4. Blackstock W. P., Weir M. P. Proteomics: quantitative and physical mapping of cellular proteins // Trends in biotechnology. — 1999. — V. 17. — N. 3. — P. 121-127.

5. Nilsson T., Mann M., Aebersold R., Yates J.R., Bairoch A., Bergeron J.J.M. Mass spectrometry in high-throughput proteomics: ready for the big time // Nature Methods. — 2010. — V. 7.

— N. 9. — P. 681-685.

6. Yates J.R. Mass spectrometry: From genomics to proteomics // Trends in Genetics. — 2000. — V. 16. — N. 1. — P. 5-8.

7. Shevchenko A. , Jensen O. N., Podtelejnikov A. V., Sagliocco F., Wilm M., Vorm O., Mortensen P., Shevchenko A., Boucherie H., Mann M. Linking genome and proteome by mass spectrometry : Large-scale identification of yeast proteins from two dimensional gels // Proceedings of the National Academy of Sciences of the United States of America. — 1996.

— V. 93. — N. 25. — P. 14440-14445.

8. Yates J.R. Database searching using mass spectrometry data // Electrophoresis. — 1998.

— V. 19. — N. 6. —P. 893-900.

9. Fenyö D., Qin J., Chait B.T. Protein indentification using mass spectrometric information // Electrophoresis. — 1998. — V. 19. — N. 6. — P. 998-1005.

10. Eng J. K., McCormack A. L., Yates J. R. An approach to correlate tandem mass spectral data of peptides with amino acid sequences in a protein database // Journal of the American Society for Mass Spectrometry. — 1994. — V. 5. — N. 11. — P. 976-989.

11. Perkins D.N., Pappin D.J.C., Creasy D.M., Cottrell J.S. Probability-based protein identification by searching sequence databases using mass spectrometry data // Electrophoresis. — 1999. — V. 20. — N. 18. — P. 3551-3567.

12. Amoresano A., Carpentieri A., Giangrande C., Palmese A., Chiappetta G., Marino G., Pucci P. Technical advances in proteomics mass spectrometry: identification of post-translational modifications // Clinical chemistry and laboratory medicine. — 2009. — V. 47. — N. 6. — P. 647-65.

13. Tate S., Larsen B., Bonner R., Gingras A.-C. Label-free quantitative proteomics trends for protein-protein interactions // Journal of Proteomics. — 2013. — V. 81. — P. 91-101.

14. Mann M., Pandey A. Proteomics to study genes and genomes // Nature. — 2000. — V. 405.

— N. 6788. — P. 837-846.

15. Bubis J.A., Levitsky L.I., Ivanov M.V., Tarasova I.A., Gorshkov M.V. Comparative evaluation of label-free quantification methods for shotgun proteomics // Rapid Communications in Mass Spectrometry. — 2017. — V. 31. — N. 7. — P. 606-612.

16. Mallick P., Kuster B. Proteomics: a pragmatic perspective // Nature Biotechnology. — 2010. — V. 28. — N. 7. — P. 695-709.

17,

18,

19,

20,

21,

22,

23,

24,

25

26,

27

28

29

30

31

Burkhart J.M., Schumbrutzki C., Wortelkamp S., Sickmann A., Zahedi R.P. Systematic and quantitative comparison of digest efficiency and specificity reveals the impact of trypsin quality on MS-based proteomics // Journal of Proteomics. — 2012. — V. 75. — N. 4. — P. 1454-1462.

Wisniewski J.R., Mann M. Consecutive proteolytic digestion in an enzyme reactor increases depth of proteomic and phosphoproteomic analysis // Analytical Chemistry. — 2012. — V. 84. — N. 6. — P. 2631-2637.

Michalski A., Cox J., Mann M. More than 100,000 detectable peptide species elute in single shotgun proteomics runs but the majority is inaccessible to data-dependent LC-MS/MS //Journal of Proteome Research. — 2011. — V. 10. — N. 4. — P. 1785-1793.

Hancock W.S., Bishop C.A., Prestidge R.L., Harding D.R., Hearn M.T. Reversed-phase, high-pressure liquid chromatography of peptides and proteins with ion-pairing reagents // Science. — 2978. — V. 200. — N. 4346. — P. 1168-1170.

Steen H., Mann M. The abc's (and xyz's) of peptide sequencing // Nature Reviews Molecular Cell Biology. — 2004. — V. 5. — N. 9. — P. 699-711.

Brodbelt J.S. Ion activation methods for peptides and proteins // Analytical Chemistry. — 2016. — V. 88. — N. 1. — P. 30-51.

Bauer M., Ahrne E., Baron A.P., Glatter T., Fava L.L., Santamaria A.. — Nigg E.A., Schmidt A. Evaluation of data-dependent and -independent mass spectrometric workflows for sensitive quantification of proteins and phosphorylation sites // Journal of Proteome Research. — 2014. — V. 13. — N. 12. — P. 5973-5988.

Craig R., Beavis R.C. TANDEM: Matching proteins with tandem mass spectra // Bioinformatics. — 2004. — V. 20. — N. 9. — P. 1466-1467.

Kim S., Pevzner P.A. MS-GF+ makes progress towards a universal database search tool for proteomics // Nature Communications. — 2014. — V. 5. — N.1. — P. 5277-5286.

Kong A.T., Leprevost F.V., Avtonomov D.M., Mellacheruvu D.. — Nesvizhskii A.I. MSFragger: ultrafast and comprehensive peptide identification in shotgun proteomics // Nature Methods. — 2017. — V. 14. — N. 5. — P. 513-520.

Levitsky L.I., Ivanov M.V., Lobas A.A., Bubis J.A., Tarasova I.A., Solovyeva E.M., Pridatchenko M.L., Gorshkov M.V. IdentiPy: an extensible search engine for protein identification in shotgun proteomics // Journal of Proteome research. — 2018. — V.17. — N.7. — P. 22492255.

Иванов М.В., Левицкий Л.И., Лобас А.А., Тарасова И.А., Придатченко М.Л., Згода В.Г., Мошковский С.А., Митулович Г., Горшков М.В. Идентификация пептидов в 'скорострельной' протеомике методами тандемной масс-спектрометрии: сравнение поисковых алгоритмов // Масс-спектрометрия. — 2015. — Т. 12. — N. 1. — С. 39-46.

Allmer J. Algorithms for the de novo sequencing of peptides from tandem mass spectra // Proteomics. — 2011. — V. 8. — N. 5. — P. 645-657.

Seidler J., Zinn N., Boehm M.E., Lehmann W.D. De novo sequencing of peptides by MS/MS // Proteomics. — 2010. — V. 10. — N. 4. — P. 634-649.

Ivanov M.V., Levitsky L.I. , Lobas A.A. , Panic T. , Laskay U.A., Mitulovic G. , Schmid R., Pridatchenko M.L., Tsybin Y.O., Gorshkov M.V. Empirical multidimensional space for scoring peptide spectrum matches in shotgun proteomics // Journal of Proteome Research. — 2014. — V. 13. — N. 4. — P. 1911-1920.

32,

33,

34,

35,

36,

37,

38,

39,

40,

41,

42

43

44

45

46

Kall L., Canterbury J.D., Weston J.. — Noble W.S., MacCoss M.J. Semi-supervised learning for peptide identification from shotgun proteomics datasets // Nature Methods. — 2007. — V. 4. — N. 11. — P. 923-925.

Jeong K., Kim S., Bandeira N. False discovery rates in spectral identification // BMC Bioinformatics. — 2012. — V. 13. — N. S16. — P. S2.

Elias J.E., Gygi S.P. Target-decoy search strategy for increased confidence in large-scale protein identifications by mass spectrometry // Nature Methods. — 2007. — V. 4. — N. 3.

— P. 207-214.

Levitsky L.I., Ivanov M.V., Lobas A.A., Gorshkov M.V. Unbiased false discovery rate estimation for shotgun proteomics based on the target-decoy approach //Journal of Proteome Research. — 2017. — V. 16. — N. 2. — P. 393-397.

Jedrychowski M.P., Huttlin E.L., Haas W., Sowa M.E., Rad R., Gygi S.P. Evaluation of HCD-and CID-type Fragmentation Within Their Respective Detection Platforms For Murine Phosphoproteomics // Molecular and Cellular Proteomics. — 2011. — V. 10. — N. 12. — P. M111.009910.

Kocher T., Swart R., Mechtler K. Ultra-high-pressure RPLC hyphenated to an LTQ-Orbitrap Velos reveals a linear relation between peak capacity and number of identified peptides // Analytical Chemistry. — 2011. — V. 83. — N. 7. — P. 2699-2704.

McQueen P., Krokhin O. Optimal selection of 2D reversed-phase-reversed-phase HPLC separation techniques in bottom-up proteomics // Expert Review of Proteomics. — 2012.

— V. 9. — N. 2. — P. 125-128.

Vuckovic D., Dagley L.F., Purcell A.W., Emili A. Membrane proteomics by high performance liquid chromatography-tandem mass spectrometry: Analytical approaches and challenges // Proteomics. — 2013. — V. 13. — N. 3-4. — P. 404-423.

Washburn M.P., Wolters D., Yates J.R. Large-scale analysis of the yeast proteome by multidimensional protein identification technology // Nature Biotechnology. — 2001. — V. 19. — N. 3. — P. 242-247.

Guthals A., Bandeira N. Peptide identification by tandem mass spectrometry with alternate fragmentation modes / / Molecular and Cellular Proteomics. — 2012. — V. 11. — N. 9. — P. 550-557.

Houel S., Abernathy R., Renganathan K., Meyer-Arendt K., Ahn N.G., Old W.M. Quantifying the impact of chimera MS/MS spectra on peptide identification in large-scale proteomics studies // Journal of Proteome Research. — 2010. —V. 9. — N. 8. — P. 4152-4160.

Zhang B.,Pirmoradian M., Chernobrovkin A., Zubarev R.A. DeMix workflow for efficient identification of cofragmented peptides in high resolution data-dependent tandem mass spectrometry // Molecular and Cellular Proteomics. — 2014. —V. 13. — N. 11. — P. 32113223.

Gorshkov M.V., Fornelli L., Tsybin Y.O. Observation of ion coalescence in Orbitrap Fourier transform mass spectrometry // Rapid Communications in Mass Spectrometry. — 2012.

— V. 26. — N. 15. — P. 1711-1717.

Wuhr M., Haas W., McAlister G.C., Peshkin L., Rad R., Kirschner M.W., Gygi S.P. Accurate multiplexed proteomics at the MS2 level using the complement reporter ion cluster // Analytical Chemistry. — 2012. — V. 84. — N. 21. — P. 9214-9221.

Catherman A.D., Skinner O.S., Kelleher N.L. Top-down proteomics: facts and perspectives // Biochemical and Biophysical Research Communications. — 2014. — V. 445. — N. 4. —P.

683-693.

47. Zhou H.. — Ning Z., Starr A.E., Abu-Farha M., Figeys D. Advancements in Top-Down Proteomics // Analytical Chemistry. — 2012. — V. 84. — N. 2. — P. 720-734.

48. Smith L.M., Kelleher N.L., Linial M., Goodlett D., Langridge-Smith P., Ah Goo Y., Safford G., Bonilla L., Kruppa G., Zubarev R., Rontree J., Chamot-Rooke J., Garavelli J., Heck A., Loo J., Penque D., Hornshaw M., Hendrickson C., Pasa-Tolic L., Borchers C., Chan D., Young N., Agar J., Masselon C., Gross M., McLafferty F., Tsybin Y., Ge Y., Sanders I., Langridge J., Whitelegge J., Marshall A. Proteoform: a single term describing protein complexity // Nature Methods. — 2013. — V. 10. — N. 3. — P. 186-187.

49. Aebersold R., Agar J.N., Amster I.J., Baker M.S., Bertozzi C.R., Boja E.S., Costello C.E., Cravatt B.F., Fenselau C., Garcia B.A., Ge Y., Gunawardena J., Hendrickson R.C., Hergenrother P.J., Huber C.G., Ivanov A.R., Jensen O.N., Jewett M.C., Kelleher N.L., Kiessling L.L., Krogan N.J., Larsen M.R., Loo J.A., Ogorzalek Loo R.R., Lundberg E., MacCoss M.J., Mallick P., Mootha V.K., Mrksich M., Muir T.W., Patrie S.M., Pesavento J.J., Pitteri S.J., Rodriguez H., Saghatelian A., Sandoval W., Schlüter H., Sechi S., Slavoff S.A., Smith L.M., Snyder M.P., Thomas P.M., Uhlen M., Van Eyk J.E., Vidal M., Walt D.R., White F.M., Williams E.R., Wohlschlager T., Wysocki V.H., Yates N.A., Young N.L., Zhang B. How many human proteoforms are there? // Nature Chemical Biology. — 2018. — V. 14. — N. 3. — P. 206-214.

50. Ahlf D.R., Compton P.D., Tran J.C., Early B.P., Thomas P.M., Kelleher N.L. Evaluation of the compact high-field Orbitrap for top-down proteomics of human cells // Journal of Proteome Research. — 2012. — V. 11. — N. 8. — P. 4308-4314.

51. Sidoli S., Garcia B.A. Middle-down proteomics: a still unexploited resource for chromatin biology // Expert Review of Proteomics. — 2017. — V. 14. — N. 7. — P. 617-626.

52. Cannon J., Lohnes K., Wynne C., Wang Y., Edwards N., Fenselau C. High-throughput middle-down analysis using an Orbitrap // Journal of Proteome Research. — 2010. — V. 9. — N. 8.

— P. 3886-3890.

53. Wu S.-L., Hühmer A.F.R., Hao Z., Karger B.L. On-Line LC-MS approach combining CID, ETD, and CID of an isolated charge-reduced species for the trace-level characterization of proteins with post-translational modifications // Journal of Proteome Research. — 2007.

— V. 6. — N. 11. — P. 4230-4244.

54. Laskay Ü.A., Lobas A.A., Srzentic K., Gorshkov M.V., Tsybin Y.O. Proteome digestion specificity analysis for rational design of extended bottom-up and middle-down proteomics experiments // Journal of Proteome Research. — 2013. — V. 12. — N. 12. — P. 5558-5569.

55. Ferguson P.L., Smith R.D. Proteome analysis by mass spectrometry / / Annual Review of Biophysics and Biomolecular Structure. — 2003. — V. 32. — N. 1. — P. 399-424.

56. Pirmoradian M., Budamgunta H., Chingin K., Zhang B., Astorga-Wells J., Zubarev R.A. Rapid and deep human proteome analysis by single-dimension shotgun proteomics // Molecular and Cellular Proteomics. — 2013. — V. 12. — N. 11. — P. 3330-3338.

57. Zhang Y., Fonslow B.R., Shan B., Baek M., Yates J.R. Protein analysis by shotgun/bottom-up proteomics // Chemical Reviews. — 2013. — V. 113. — N. 4. — P. 2343-2394.

58. Corthals G.L., Wasinger V.C., Hochstrasser D.F., Sanchez J.C. The dynamic range of protein expression: A challenge for proteomic research // Electrophoresis. — 2000. — V. 21. — N. 6. — P. 1104-1115.

59.

Harper J.W., Bennett E.J. Proteome complexity and the forces that drive proteome

60

61

62

63

64

65

66

67

68

69

70

71

72

73

imbalance // Nature. — 2016. — V. 537. — N. 7620. — P. 328-338.

Camerini S., Mauri P. The role of protein and peptide separation before mass spectrometry analysis in clinical proteomics // Journal of Chromatography A. — 2015. — V. 1381. — P. 1-12.

Kelstrup C.D., Jersie-Christensen R.R., Batth T.S., Arrey T.N., Kuehn A., Kellmann M., Olsen J.V. Rapid and deep proteomes by faster sequencing on a benchtop quadrupole ultra-high-field Orbitrap mass spectrometer // Journal of Proteome Research. — 2014. — V. 13. — N. 12. — P. 6187-6195.

Nagaraj N., Kulak N.A., Cox J.. — Neuhauser N., Mayr K., Hoerning O., Vorm O., Mann M. System-wide Perturbation Analysis with Nearly Complete Coverage of the Yeast Proteome by Single-shot Ultra HPLC Runs on a Bench Top Orbitrap // Molecular and Cellular Proteomics. — 202. — V. 11. — N. 3. — P. M111.013722.

Hebert A.S., Richards A.L., Bailey D.J., Ulbrich A., Coughlin E.E., Westphall M.S., Coon J.J. The one hour yeast proteome // Molecular and Cellular Proteomics. — V. 13. — N. 1. — P. 339-347.

Chick J.M., Kolippakkam D.. — Nusinow D.P., Zhai B., Rad R., Huttlin E.L., Gygi S.P. A masstolerant database search identifies a large proportion of unassigned spectra in shotgun proteomics as modified peptides // Nature Biotechnology. — 2015. — V. 33. — N. 7. — P. 743-749.

Gholami A.M., Hahne H., Wu Z., Auer F.J., Meng C., Wilhelm M., Kuster B. Global proteome analysis of the NCI-60 cell line panel // Cell Reports. — 2013. — V. 4. — N. 3. — P. 609620.

Manadas B., Mendes V.M., English J., Dunn M.J. Peptide fractionation in proteomics approaches // Expert Review of Proteomics. — 2010. — V. 7. — N. 5. — P. 655-663.

Mant C.T., Hodges R.S. Analysis of peptides by high-performance liquid chromatography / Methods in enzymology. V. 271. High Resolution Separation and Analysis of Biological Macromolecules Part B: Applications. Ed. by B.L. Karger, W.S. Hancock // Amsterdam: Elsevier, 1996. — P. 3-50. — 555 P.

Mitulovic G. New HPLC techniques for proteomics analysis: A short overview of latest developments // Journal of Liquid Chromatogrqaphy and Related Technologies. — 2015. — V. 38. — N. 3. — P. 390-403.

Gokce E., Andrews G.L., Dean R.A., Muddiman D.C. Increasing proteome coverage with offline RP HPLC coupled to online RP nanoLC-MS //Journal of Chromatography B. — 2011. — N. 9-10. — P. 610-614.

Lee W.-C., Lee K.H. Applications of affinity chromatography in proteomics // Analytical Biochemistry. — 2004. — V. 324. — N. 1. — P. 1-10.

Phillips H.L., Williamson J.C., van Elburg K.A., Snijders A.P.L, Wright P.C., Dickman M.J. Shotgun proteome analysis utilising mixed mode (reversed phase-anion exchange chromatography) in conjunction with reversed phase liquid chromatography mass spectrometry analysis // Proteomics. — 2010. — V. 10. — N. 16. — P. 2950-2960.

Du P., Stolovitzky G., Horvatovich P., Bischoff R., Lim J., Suits F. A noise model for mass spectrometry based proteomics // Bioinformatics. — 2008. — V. 24. — N. 8. — P. 10701077.

Horvatovich P., Hoekman B., Govorukhina N., Bischoff R. Multidimensional chromatography coupled to mass spectrometry in analysing complex proteomics samples

// Journal of Separation Science. — 2010. — V. 33. — N. 10. — P. 1421-1437.

74. Zhao Y., Kong R.P.W., Li G., Lam M.P.Y., Law C.H., Lee S.M.Y., Lam H.C., Chu I.K. Fully automatable two-dimensional hydrophilic interaction liquid chromatography-reversed phase liquid chromatography with online tandem mass spectrometry for shotgun proteomics Journal of Separation Science. — 2012. — V. 35. — N. 14. — P. 1755-1763.

75. Di Palma S., Hennrich M.L., Heck A.J.R., Mohammed S. Recent advances in peptide separation by multidimensional liquid chromatography for proteome analysis // Journal of Proteomics. — 2012. — V. 75. — N. 13. — P. 3791-3813.

76. Lenz C., Urlaub H. Separation methodology to improve proteome coverage depth // Expert Review of Proteomics. — 2014. — V. 11. — N. 4. — P. 409-414.

77. Henneman A.A., Palmblad M. Retention time prediction and protein identification / Methods in Molecular Biology. V. 1007. Mass Spectrometry Data Analysis in Proteomics. Ed. by R. Matthiesen // Totowa, New Jersey: Humana Press, 2013. — P. 101-118. — 405 P.

78. Babushok V.I., Zenkevich I.G. Retention characteristics of peptides in RP-LC: Peptide retention prediction // Chromatographia. — 2010. — V. 72. — N. 9-10. — P. 781-797.

79. Baczek T., Kaliszan R. Predictions of peptides' retention times in reversed-phase liquid chromatography as a new supportive tool to improve protein identification in proteomics // Proteomics. — 2009. — V. 9. — N. 4. — P. 835-847.

80. Tarasova I.A., Masselon C.D., Gorshkov A.V., Gorshkov M.V. Predictive chromatography of peptides and proteins as a complementary tool for proteomics // Analyst. — 2016. — V. 141. — N. 16. — P. 4816-4832.

81. Moruz L., Käll L. Peptide retention time prediction // Mass Spectrometry Reviews. — 2017. — V. 36. — N. 5. — P. 615-623.

82. Meek J.L. Prediction of peptide retention time in high-pressure liquid chromatography on the basis of amino acid composition // Proceedings of the National Academy of Sciences of the United States of America. — 1980. — V. 77. — N. 3. — P. 1632-1636.

83. Guo D., Mant C.T., Taneja A.K., Parker J.M.R., Hodges R.S. Prediction of peptide retention times in reversed-phase high-performance liquid chromatography I. Determination of retention coefficients of amino acid residues of model synthetic peptides // Journal of Chromatography A. — 1986. — V. 359. — P. 499-518.

84. Pfeifer N., Leinenbach A., Huber C.G., Kohlbacher O. Improving peptide identification in proteome analysis by a two-dimensional retention time filtering approach // Journal of Proteome Research. — 2009. — V. 8. — N. 8. — P. 4109-4115.

85. Palmblad M., Ramström M., Markides K.E., Häkansson P., Bergquist J. Prediction of chromatographic retention and protein identification in liquid chromatography/mass spectrometry // Analytical Chemistry. — 2002. — V. 74. — N. 22. — P. 5826-5830.

86. Klammer A.A., Yi X., MacCoss M.J.. — Noble W.S. Improving tandem mass spectrum identification using peptide retention time prediction across diverse chromatography conditions // Analytical Chemistry. — 2007. — V. 79. — N. 16. — P. 6111-6118.

87. Moruz L., Pichler P., Stranzl T., Mechtler K., Käll L. Optimized nonlinear gradients for reversed-phase liquid chromatography in shotgun proteomics // Analytical Chemistry. — 2013. — V. 85. — N. 16. — P. 7777-7785.

88. Moruz L., Käll L. GradientOptimizer: An open-source graphical environment for calculating

optimized gradients in reversed-phase liquid chromatography // Proteomics. — 2014. — V. 14. — N. 12. — P. 1464-1466.

89. Solovyeva E.M., Lobas A.A., Kopylov A.T., Ilina I.Y., Levitsky L.I., Moshkovskii S.A., Gorshkov M.V. FractionOptimizer: a method for optimal peptide fractionation in bottom-up proteomics // Analylical and Bioanalytical Chemistry. — 2018. — V. 410. — N. 16. — P. 3827-3833.

90. Moruz L., Tomazela D., Kail L. Training, selection, and robust calibration of retention time models for targeted proteomics // Journal of Proteome Research. — 2010. — V. 9. — N. 10. — P. 5209-5216.

91. Tarasova I.A., Guryca V., Pridatchenko M.L., Gorshkov A.V., Kieffer-Jaquinod S., Evreinov V.V., Masselon C.D., Gorshkov M.V. Standardization of retention time data for AMT tag proteomics database generation // Journal of Chromatography B. — 2009. — V. 877. — N. 4. — P. 433-440.

92. Mant C.T., Lorne Burke T.W., Black J.A., Hodges R.S. Effect of peptide chain length on peptide retention behaviour in reversed-phase chromatography // Journal of Chromatography A. — 1988. — V. 458. — P. 193-205.

93. Sakamoto Y., Kawakami N., Sasagawa T. Prediction of peptide retention times // Journal of Chromatography A. — 1988. — V. 442. — P. 69-79.

94. Tarasova I.A., Goloborodko A.A., Perlova T.Y., Pridatchenko M.L., Gorshkov A.V., Evreinov V.V., Ivanov A.R., Gorshkov M.V. Application of statistical thermodynamics to predict the adsorption properties of polypeptides in reversed-phase HPLC // Analytical Chemistry. — 2015. — V. 87. — N. 13. — P. 6562-6569.

95. Mant C.T., Hodges R.S. Design of peptide standards with the same composition and minimal sequence variation to monitor performance/selectivity of reversed-phase matrices // Journal of Chromatography A. — 2012. — V. 1230. — P. 30-40.

96. Tripet B., Cepeniene D., Kovacs J.M., Mant C.T., Krokhin O.V., Hodges R.S. Requirements for prediction of peptide retention time in reversed-phase high-performance liquid chromatography: Hydrophilicity/hydrophobicity of side-chains at the N- and C-termini of peptides are dramatically affected by the end-groups and location // Journal of Chromatography A. — 2007. — V. 1141. — N. 2. — P. 212-225.

97. Krokhin O.V. An improved model for prediction of retention times of tryptic peptides in ion pair reversed-phase HPLC: Its application to protein peptide mapping by off-line HPLC-MALDI MS // Molecular and Cellular Proteomics. — 2004. — V. 3. — N. 9. — P. 908-919.

98. Krokhin O.V., Ying S., Cortens J.P., Ghosh D., Spicer V., Ens W., Standing K.G., Beavis R.C., Wilkins J.A. Use of peptide retention time prediction for protein identification by off-line reversed-phase HPLC-MALDI MS/MS // Analytical Chemistry. — 2006. — V. 78. — N. 17. — P. 6265-6269.

99. Dwivedi R.C., Spicer V., Harder M., Antonovici M., Ens W., Standing K.G., Wilkins J.A., Krokhin O.V. Practical implementation of 2D HPLC scheme with accurate peptide retention prediction in both dimensions for high-throughput bottom-up proteomics // Analytical Chemistry. — 2008. — V. 80. — N. 18. — P. 7036-7042.

100. Bodzioch K., Durand A., Kaliszan R., Baczek T., Vander Heyden Y. Advanced QSRR modeling of peptides behavior in RPLC // Talanta. — 2010. — V. 81. — N. 4-5. — P. 1711-1718.

101. Kelchtermans P., Bittremieux W., De Grave K., Degroeve S., Ramon J., Laukens K.,

Valkenborg D., Barsnes H., Martens L. Machine learning applications in proteomics research: How the past can boost the future // Proteomics. — 2014. — V. 14. — N. 4-5. — P. 353-366.

102. Petritis K., Kangas L.J., Ferguson P.L., Anderson G.A., Pasa-Tolic L., Lipton M.S., Auberry K.J., Strittmatter E.F., Shen Y., Zhao R., Smith R.D. Use of artificial neural networks for the accurate prediction of peptide liquid chromatography elution times in proteome analyses // Analytical Chemistry. — 2003. — V. 75. — N. 5. — P. 1039-1048.

103. Petritis K., Kangas L.J., Yan B., Monroe M.E., Strittmatter E.F., Qian W.-J., Adkins J.N., Moore R.J., Xu Y., Lipton M.S., Camp D.G., Smith R.D. Improved peptide elution time prediction for reversed-phase liquid chromatography-MS by incorporating peptide sequence information // Analytical Chemistry. — 2006. — V. 78. — N. 14. — P. 5026-5039.

104. Pfeifer N., Leinenbach A., Huber C.G., Kohlbacher O. Statistical learning of peptide retention behavior in chromatographic separations: a new kernel-based approach for computational proteomics // BMC Bioinformatics. — 2007. — V. 8. — N. 1. — P. 468.

105. Gorshkov A.V., Evreinov V.V., Tarasova I.A., Gorshkov M.V. Applicability of the critical chromatography concept to proteomics problems: Dependence of retention time on the sequence of amino acids // Polymer Science Series B. — 2007. — V. 49. — N. 3-4. — P. 93-107.

106. Tarasova I.A., Gorshkov A.V., Evreinov V.V., Adams K., Zubarev R.A., Gorshkov M.V. Applicability of the critical chromatography concept to proteomics problems: Experimental study of the dependence of peptide retention time on the sequence of amino acids in the chain // Polymer Science Series A. — 2008. — V. 50. — N. 3. — P. 309-321.

107. Gorshkov A.V., Tarasova I.A., Evreinov V.V., Savitski M.M., Nielsen M.L., Zubarev R.A., Gorshkov M.V. Liquid chromatography at critical conditions: comprehensive approach to sequence-dependent retention time prediction // Analytical Chemistry. — 2006. — V. 78.

— N. 22. — P. 7770-7777.

108. Poole S.K., Poole C.F. A method for estimating the solvent strength parameter in liquidsolid chromatography / / Chromatographia. — 2001. — V. 53. — N. S1. — P. S162-S166.

109. Snyder L.R. Principles of adsorption chromatography: the separation of nonionic organic compounds // Journal of Pharmaceutical Science. — 1968. — V. 57. — N. 10. — P. 1824.

110. Krokhin O.V, Ezzati P., Spicer V. Peptide retention time prediction in hydrophilic interaction liquid chromatography: data collection methods and features of additive and sequence-specific models // Analytical Chemistry. — 2017. — V. 89. — N. 10. — P. 55265533.

111. Gussakovsky D., Neustaeter H., Spicer V., Krokhin O.V. Sequence-specific model for peptide retention time prediction in strong cation exchange chromatography // Analytical Chemistry. — 2017. — V. 89. — N. 21. — P. 11795-11802.

112. Switzar L., Giera M., Niessen W.M.A. Protein digestion: An overview of the available techniques and recent developments // Journal of Proteome Research. — 2013. — V. 12.

— N. 3. — P. 1067-1077.

113. Cedano J., Aloy P., Perez-Pons J.A., Querol E. Relation between amino acid composition and cellular location of proteins // Journal of Molecular Biology. — 1997. — V. 266. — N. 3. — P. 594-600.

114. Bogatyreva N.S., Finkelstein A.V., Galzitskaya O.V. Trend of amino acid composition of proteins of different taxa // Journal of Bioinformatics and Computational Biology. — 2006.

— V. 4. — N. 2. — P. 597-608.

115. Cannon J., Nakasone M., Fushman D., Fenselau C. Proteomic identification and analysis of K63-linked ubiquitin conjugates // Analytical Chemistry. — 2012. — V. 84. — N. 22. — P. 10121-10128.

116. Wu C., Tran J.C., Zamdborg L., Durbin K.R., Li M., Ahlf D.R., Early B.P., Thomas P.M., Sweedler J.V., Kelleher N.L. A protease for 'middle-down' proteomics // Nature Methods.

— 2012. — V. 9. — N. 8. — P. 822-824.

117. Swaney D.L., Wenger C.D., Coon J.J. Value of using multiple proteases for large-scale mass spectrometry-based proteomics // Journal of Proteome Research. — 2010. — V. 9. — N. 3.

— P. 1323-1329.

118. Garcia B.A., Mollah S., Ueberheide B.M., Busby S.A., Muratore T.L., Shabanowitz J., Hunt D.F. Chemical derivatization of histones for facilitated analysis by mass spectrometry // Nature Protocols. — 2007. — V. 2. — N. 4. — P. 933-938.

119. Hohmann L., Sherwood C., Eastham A., Peterson A., Eng J.K., Eddes J.S., Shteynberg D., Martin D.B. Proteomic analyses using Grifola frondosa metalloendoprotease Lys-N // Journal of Proteome Research. — 2009. — V. 8. — N. 3. — P. 1415-1422, Mar. 2009.

120. Taouatas N., Drugan M.M., Heck A.J.R., Mohammed S. Straightforward ladder sequencing of peptides using a Lys-N metalloendopeptidase // Nature Methods. —2008. — V. 5. — N. 5.

— P. 405-407.

121. Seidah N.G., Chrétien M., Day R. The family of subtilisin/kexin like pro-protein and prohormone convertases: Divergent or shared functions // Biochimie. — 1994. — V. 76. — N. 3-4. — P. 197-209.

122. Albrecht A., Felk A., Pichova I., Naglik J.R., Schaller M., De Groot P., MacCallum D., Odds F.C., Schäfer W., Klis F., Monod M., Hube B. Glycosylphosphatidylinositol-anchored proteases of Candida albicans target proteins necessary for both cellular processes and host-pathogen interactions // Journal of Biological Chemistry. —2006. — V. 281. — N. 2. — P. 688-694.

123. Hua L., Low T.Y., Sze S.K. Microwave-assisted specific chemical digestion for rapid protein identification // Proteomics. — 2006. — V. 6. — N. 2. — P. 586-591.

124. Basile F., Hauser N. Rapid Online Nonenzymatic Protein Digestion Combining Microwave Heating Acid Hydrolysis and Electrochemical Oxidation // Analytical Chemistry. — 2011.

— V. 83. — N. 1. — P. 359-367.

125. Taverna S.D., Ueberheide B.M., Liu Y., Tackett A.J., Diaz R.L., Shabanowitz J., Chait B.T., Hunt D.F. , Allis C.D. Long-distance combinatorial linkage between methylation and acetylation on histone H3 N termini // Proceedings of the National Academy of Sciences of the United States of America. — 2007. — V. 104. — N. 7. — P. 2086-2091.

126. Stark G.R. Cleavage at cysteine after cyanylation / Methods of Enzymology. V. 47. Enzyme Structure Part E. Ed. by C.H.W. Hirs and S.N. Timasheff // Amsterdam: Elsevier, 1977. — P. 129-132. — 668 P.

127. Andreev Y.A., Kozlov S.A., Vassilevski A.A., Grishin E.V. Cyanogen bromide cleavage of proteins in salt and buffer solutions // Analytical Biochemistry. — 2010. — V. 407. — N. 1.

— P. 144-146.

128. Gross E., Witkop B. Selective cleavage of the methionyl peptide bonds in ribonuclease with cyanogen bromide // Journal of the American Chemical Society. — 1961. — V. 83. — N. 6.

— P. 1510-1511.

129.

130.

131.

132.

133.

134.

135.

136.

137.

138.

139.

140.

141.

142.

Rodriguez-Suarez E., Hughes C., Gethings L., Giles K., Wildgoose J., Stapels M., Fadgen K.E., Geromanos S.J., Vissers J.P.C., Elortza F., Langridge J.I. An ion mobility assisted data independent LC-MS strategy for the analysis of complex biological samples // Current Analytical Chemistry. — 2013. — V. 9. — N. 2. — P. 199-211.

Degani Y., Patchornik A. Cyanylation of sulfhydryl groups by 2-nitro-5-thiocyanobenzoic acid. High-yield modification and cleavage of peptides at cysteine residues // Biochemistry. — 1974. — V. 13. — N. 1. — P. 1-11.

Srzentic K., Zhurov K.O., Lobas A.A., Nikitin G., Fornelli L., Gorshkov M.V., Tsybin Y.O. Chemical-Mediated Digestion: An Alternative Realm for Middle-down Proteomics? // Journal of Proteome Research. —2018. — V. 17. — N. 6. — P. 2005-2016.

Lawson W.B., Gross E., Foltz C.M., Witkop B. Alkylation and cleavage of methionine peptides // Journal of the American Chemical Society. —1962. — V. 84. — N. 9. — P. 1715-1718.

Vestling M.M., Kelly M.A., Fenselau C., Costello C.E. Optimization by mass spectrometry of a tryptophan-specific protein cleavage reaction // Rapid Communications in Mass Spectrometry. —1994. — V. 8. — N. 9. — P. 786-790.

Mahoney W.C., Smith P.K., Hermodson M.A. Fragmentation of proteins with o-iodosobenzoic acid: chemical mechanism and identification of o-iodoxybenzoic acid as a reactive contaminant that modifies tyrosyl residues // Biochemistry. — 1981. — V. 20. — N. 2. — P. 443-448.

Omenn G.S., Lane L., Lundberg E.K., Beavis R.C., Nesvizhskii A.I., Deutsch E.W. Metrics for the Human Proteome Project 2015: Progress on the human proteome and guidelines for high-confidence protein identification // Journal of Proteome Research. —2015. — V. 14. — N. 9. — P. 3452-3460.

Wenger C.D., Coon J.J. A proteomics search algorithm specifically designed for highresolution tandem mass spectra // Journal of Proteome Research. —2013. — V. 12. — N. 3. — P. 1377-1386.

Иванов М.В., Левицкий Л.И., Лобас А.А., Горшков М.В. GROUPFILTER: программное решение проблемы дискриминации идентификаций масс-спектров высокого разрешения при работе поискового алгоритма Morpheus // Масс-спектрометрия. — 2015. — Т. 12. — N. 4. — P. 229-235.

Cox J., Hein M.Y, Luber C.A., Paron I., Nagaraj N., Mann M. Accurate Proteome-wide Labelfree Quantification by Delayed Normalization and Maximal Peptide Ratio Extraction, Termed MaxLFQ // Molecular and Cellular Proteomics. — 2014. — V. 13. — N. 9. — P. 2513-2526.

Conrads T.P., Anderson G.A., Veenstra T.D., Pasa-Tolic L., Smith R.D. Utility of accurate mass tags for proteome-wide protein identification // Analytical Chemistry. — 2000. — V. 72. — N. 14. — P. 3349-3354.

Smith R.D., Anderson G.A., Lipton M.S., Pasa-Tolic L., Shen Y., Conrads T.P., Veenstra T.D., Udseth H.R. An accurate mass tag strategy for quantitative and high-throughput proteome measurements // Proteomics. — 2002. — V. 2. — N. 5. — P. 513-523.

Branca R.M.M., Orre L.M., Johansson H.J., Granholm V., Huss M., Perez-Bercoff A., Forshed J., Kail L., Lehtio J. HiRIEF LC-MS enables deep proteome coverage and unbiased proteogenomics // Nature Methods. — 2013. — V. 11. — N. 1. — P. 59-62.

Horth P., Miller C.A., Preckel T., Wenz C. Efficient fractionation and improved protein

identification by peptide OFFGEL electrophoresis // Molecular and Cellular Proteomics. — 2006. — V. 5. — N. 10. — P. 1968-1974.

143. Chingin K., Astorga-Wells J., Pirmoradian Najafabadi M., Lavold T., Zubarev R.A. Separation of polypeptides by isoelectric point focusing in electrospray-friendly solution using a multiple-junction capillary fractionator // Analytical Chemistry. —2012. — V. 84. — N. 15.

— P. 6856-6862.

144. Aronson J.N. The Henderson-Hasselbalch equation revisited // Biochemistry Education. — 1983. — V. 11. — N. 2. — P. 68.

145. Moore D.S. Amino acid and peptide net charges: A simple calculational procedure // Biochemistry Education. — 1985. — V. 13. — N. 1. — P. 10-11.

146. Nelson D.L. , Lehninger A.L., Cox M. M. Lehninger Principles of Biochemistry // New York: W.H. Freeman, 2008. — 1158 P.

147. Edman P. Method for determination of the amino acid sequence in peptides // Acta Chemica Scandinavica. — 1950. — V. 4. — P. 283-293.

148. Klemm P. Manual Edman degradation of proteins and peptides / Methods in Molecular Biology. V. 1. Proteins. Ed. by J.M. Walker // Toronto: Humana Press, 1984. — P. 243-254.

— 365 P.

149. Edman P., Begg G. A protein sequenator // European Journal of Biochemistry. —1967. — V. 1. — P. 80-91.

150. Sidhu K.S., Sangvanich P., Brancia F.L., Sullivan A.G., Gaskell S.J., Wolkenhauer O., Oliver S.G., Hubbard S.J. Bioinformatic assessment of mass spectrometric chemical derivatisation techniques for proteome database searching // Proteomics. — 2001. — V. 1. — N. 11. — P. 1368-1377.

151. Rest G., He F., Emmett M.R., Marshall A.G., Gaskell S.J. Gas-phase cleavage of PTC-derivatized electrosprayed tryptic peptides in an FT-ICR trapped-ion cell: Mass-based protein identification without liquid chromatographic separation // Journal of the American Society for Mass Spectrometry. — 2001. — V. 12. — N. 3. — P. 288-295.

152. Perez-Riverol Y., Sánchez A., Noda J., Borges D., Carvalho P.C., Wang R., Vizcaíno J.A., Betancourt L., Ramos Y., Duarte G., Nogueira F.C.S., González L.J., Padrón G., Tabb D.L., Hermjakob H., Domont G.B., Besada V. HI-Bone: A scoring system for identifying phenylisothiocyanate-derivatized peptides based on precursor mass and high intensity fragment ions // Analytical Chemistry. — 2013. — V. 85. — N. 7. — P. 3515-3520.

153. Lobas A.A., Verenchikov A.N., Goloborodko A.A., Levitsky L.I., Gorshkov M.V. Combination of Edman degradation of peptides with liquid chromatography/mass spectrometry workflow for peptide identification in bottom-up proteomics // Rapid Communications in Mass Spectrometry. — 2013. — V. 27. — N. 3. — P. 391-400.

154. Summerfield S.G., Steen H., O'Malley M., Gaskell S.J. Phenyl thiocarbamoyl and related derivatives of peptides: Edman chemistry in the gas phase // International Journal of Mass Spectrometry. — 1999. — V. 188. — N. 1-2. — P. 95-103.

155. Толмачев Д.А., Вилков А.Н., Агапов А.Ю., Тарасова И.А., Новоселов К.Р., Сагуленко П.Н., Шитов С.С., Придатченко М.Л., Дорошенко В.М., Горшков М.В. Масс-спектрометр ионного циклотронного резонанса на постоянном магните с атмосферными источниками ионизации // Масс-спектрометрия. — 2008. — Т. 5. — N. 2. — С. 83.

156. Yoshida T. Calculation of peptide retention coefficients in normal-phase liquid chromatography // Journal of Chromatography A. — 1998. — V. 808. — N. 1-2. — P. 105-

157. Moskovets E., Goloborodko A.A., Gorshkov A.V., Gorshkov M.V. Limitation of predictive 2-D liquid chromatography in reducing the database search space in shotgun proteomics: In silico studies // Journal of Separation Science. — 2012. — V. 35. — N. 14. — P. 1771-1778.

158. Gilar M., Jaworski A. Retention behavior of peptides in hydrophilic-interaction chromatography // Journal of Chromatography A. — 2011. — V. 1218. — N. 49. — P. 8890-8896.

159. Harscoat-Schiavo C., Nioi C., Ronat-Heit E., Paris C., Vanderesse R., Fournier F., Marc I. Hydrophilic properties as a new contribution for computer-aided identification of short peptides in complex mixtures // Analytical Bioanalytical Chemistry. — 2012. — V. 403. — N. 7. — P. 1939-1949.

160. Le Maux S., Nongonierma A.B., FitzGerald R.J. Improved short peptide identification using HILIC-MS/MS: Retention time prediction model based on the impact of amino acid position in the peptide sequence // Food Chemistry. — 2015. — V. 173. — P. 847-854.

161. Reimer J., Spicer V., Krokhin O.V. Application of modern reversed-phase peptide retention prediction algorithms to the Houghten and DeGraw dataset: Peptide helicity and its effect on prediction accuracy // Journal of Chromatography A. — 2012. — V. 1256. — P. 160168.

162. Лобас А.А., Левицкий Л.И., Фихтенбаум А., Сурин А.К., Придатченко М.Л., Митулович Г., Горшков А.В., Горшков М.В. Предсказательная жидкостная хроматография пептидов на основе гидрофильных взаимодействий в задачах масс-спектрометрического анализа протеомов // Масс-спектрометрия. — 2017. — Т. 14. — N. 2. — С. 79-88.

163. Hemstrom P., Irgum K. Hydrophilic interaction chromatography // Journal of Separation Science. —2006. — V. 29. — N. 12. — P. 1784-1821.

164. Alpert A.J. Hydrophilic-interaction chromatography for the separation of peptides. — Nucleic acids and other polar compounds // Journal of Chromatography A. — 1990. — V. 499. — P. 177-196.

165. Soukup J. , Jandera P. Adsorption of water from aqueous acetonitrile on silica-based stationary phases in aqueous normal-phase liquid chromatography // Journal of Chromatography A. — 2014. — V. 1374. — P. 102-111.

166. Yoshida T. Peptide separation by Hydrophilic-Interaction Chromatography: a review // Journal of biochemical and biophysical methods. — 2004. — V. 60. — N. 3. — P. 265-80.

167. Горшков А.В., Евреинов В.В., Тарасова И.А., Горшков М.В. О применимости концепции критической хроматографии к задачам протеомики. Зависимость времени удерживания от последовательности аминокислотных остатков в цепи // Высокомолекулярные соединения. — 2007. — Т. 49. — N. 4. — С. 732-749.

168. Goloborodko A.A., Levitsky L.I., Ivanov M.V., Gorshkov M.V. Pyteomics—a Python framework for exploratory data analysis and rapid software prototyping in proteomics // Journal of the American Society for Mass Spectrometry. — 2013. — V. 24. — N. 2. — P. 301-304.

169. Choi M., Eren-Dogu Z.F., Colangelo C., Cottrell J., Hoopmann M.R., Kapp E.A., Kim S., Lam H., Neubert T.A., Palmblad M., Phinney B.S., Weintraub S.T., MacLean B., Vitek O. ABRF Proteome Informatics Research Group (iPRG) 2015 Study: Detection of Differentially Abundant Proteins in Label-Free Quantitative LC-MS/MS Experiments // Journal of

Proteome Research. — 2017. — V. 16. — N. 2. — P. 945-957.

170. Wang Y., Yang F., Gritsenko M.A., Wang Y., Clauss T., Liu T., Shen Y., Monroe M.E., Lopez-Ferrer D., Reno T., Moore R.J., Klemke R.L., Camp D.G., Smith R.D. Reversed-phase chromatography with multiple fraction concatenation strategy for proteome profiling of human MCF10A cells // Proteomics. — 2011. — V. 11. — N. 10. — P. 2019-2026.

171. Zhou Y., Gao J., Zhu H., Xu J., He H., Gu L., Wang H., Chen J., Ma D., Zhou D., Zheng J. Enhancing Membrane Protein Identification Using a Simplified Centrifugation and Detergent-Based Membrane Extraction Approach // Analytical Chemistry. — 2018. — V. 90. — N. 4. — P. 2434-2439.

Lobas A.A., Karpov D.S., Kopylov A.T., Solovyeva E.M., Ivanov M.V., Ilina I.Y., Lazarev V.N., Kuznetsova K.G., Ilgisonis E.V., Zgoda V.G., Gorshkov M.V., Moshkovskii S.A. Exome-based proteogenomics of HEK-293 human cell line: Coding genomic variants identified at the level of shotgun proteome // Proteomics. — 2016. — V. 16. — N. 14. — P. 1980-1991.

Griffin N.M., Yu J., Long F., Oh P., Shore S., Li Y., Koziol J.A., Schnitzer J.E. Label-free, normalized quantification of complex mass spectrometry data for proteomic analysis // Nature Biotechnology. — 2010. — V. 28. — N. 1. — P. 83-89.

172.

173.