概览

功能特点

• 精确且灵敏的SILAC成对特征峰的检测和关联方法
• 在相关联的SILAC特征峰对，或不同MS run之间实现ID-Transfer，减少缺失值。
• 灵活的实验设计以及统计工具帮助数据分析

SILAC 与 Super-SILAC 技术简介

SILAC作为一种基于一级质谱标记定量的方法，在蛋白质组的定量中应用越来越多[1]。在这种代谢标记策略中，不同的同位素标签标记的样品（蛋白/多肽）在实验过程中的早期就被混合到一起，并且同时通过LC-MS/MS进行分析。这样从样品处理过程中引入的系统误差是最小的了。由于稳定同位素标记的多肽与它们对应的天然形式的多肽有几乎相同的理化性质，所以，不同标签标记的同一肽段在液相梯度下是共流出的，并且它们的数量可以通过互相关联来精确定量。

这类标记策略扩展后称为super-SILAC [2,3]，其中标记的样本可以单独产生，并加入到无法进行代谢标记的实验样品中，例如人体组织。这样重标蛋白质的混合样品被用作定量的内参。

PEAKS Q 支持SILAC及super-SILAC的数据分析。

PEAKS Q中的SILAC定量算法

• 在相关的SILAC特征峰对之间实现ID传输 

PEAKS Q 检测并且关联2标或3标，在一定保留时间内具有相同电荷，相似的MS1特征峰型、在预期内的由标记所引起的质量偏移，且处在一定质量误差范围内的SILAC特征峰对。如果从其中一种标记状态的feature中通过MS2谱图得到鉴定信息，那么就可以对整个SILAC特征峰对进行定量，并用于肽和蛋白质比率的计算。例如，GLGDCLVK这条肽段的轻标在sample R_2中得到了二级碎裂和鉴定信息[4]。尽管在K8标记的对应重标中没有得到二级谱图，通过PEAKS Q 检测到SILAC特征峰对，就可以仍然对其进行定量，正如下图特征峰列表选中的高亮一行。“ID Count”表示从每一个SILAC特征峰对中得到的二级质谱鉴定数目。

---

• 在不同MS run之间通过特征峰对齐后进行ID-Transfer  

在不同MS run之间，首先对保留时间对齐，MS/MS和ID信息可以通过在较为狭窄的质量范围和保持时间内，通过对齐特征峰的方式从另一次MS run中匹配，这就允许在这种没有任何ID的SILAC特征峰，仍能对其进行定量。