CN111584009A - 基于蛋白质组学研究抑郁或焦虑症大鼠蛋白质组变化方法 - Google Patents

基于蛋白质组学研究抑郁或焦虑症大鼠蛋白质组变化方法 Download PDF

Info

Publication number
CN111584009A
CN111584009A CN202010569274.8A CN202010569274A CN111584009A CN 111584009 A CN111584009 A CN 111584009A CN 202010569274 A CN202010569274 A CN 202010569274A CN 111584009 A CN111584009 A CN 111584009A
Authority
CN
China
Prior art keywords
protein
depression
anxiety
analysis
mass spectrum
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010569274.8A
Other languages
English (en)
Inventor
黄燕
方垂
王理想
周健
廖伟
刘燕晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Weinafi Biotechnology Co ltd
Chongqing Medical University
Original Assignee
Shenzhen Weinafi Biotechnology Co ltd
Chongqing Medical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Weinafi Biotechnology Co ltd, Chongqing Medical University filed Critical Shenzhen Weinafi Biotechnology Co ltd
Priority to CN202010569274.8A priority Critical patent/CN111584009A/zh
Publication of CN111584009A publication Critical patent/CN111584009A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/10Signal processing, e.g. from mass spectrometry [MS] or from PCR
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/62Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6803General methods of protein analysis not limited to specific proteins or families of proteins
    • G01N33/6848Methods of protein analysis involving mass spectrometry
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B20/00ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B25/00ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Biotechnology (AREA)
  • Theoretical Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Evolutionary Biology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Biomedical Technology (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • Genetics & Genomics (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Bioethics (AREA)
  • Medicinal Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Microbiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Food Science & Technology (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Cell Biology (AREA)
  • Electrochemistry (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)

Abstract

本发明公开了一种基于蛋白质组学研究抑郁或焦虑症大鼠蛋白质组变化方法,所述方法包含下述步骤:步骤1,对大鼠大脑前额叶皮层分离与蛋白提取;步骤2,对步骤1所得的蛋白样品进行FASP法酶解、多肽iTRAQ标记、SCX分级及LC‑MS/MS质谱分析;步骤3,对步骤2得到的质谱数据进行搜库与生物信息学分析;步骤4,对步骤3得到的差异蛋白进行PRM技术验证。本发明:1、利用CMS构建的临床前模型可帮助暴露抑郁症和焦虑症的潜在分子特征。2、抑郁症和焦虑症导致人类或动物前额叶皮层脑容积和树突棘减少。3、本发明采用iTRAQ定量蛋白质组学方法针对4组抑郁症/焦虑症大鼠模型的前额叶蛋白表达水平进行差异分析,提高了定量蛋白质组学结果的可靠性、客观性和准确性。

Description

基于蛋白质组学研究抑郁或焦虑症大鼠蛋白质组变化方法
技术领域
本发明涉及一种基于蛋白质组学研究抑郁或焦虑症大鼠蛋白质组变化方法,属于生物医学技术领域。
背景技术
抑郁症和焦虑症是2种常见的慢性神经疾病,对患者的社交、亲人、家庭与社会具有负面的影响。许多研究者发现抑郁症和焦虑症具有相同的风险因子,包括慢性刺激和生活压力。许多证据显示慢性压力生活是抑郁症和焦虑症的环境危险因素。尽管暴露在慢性压力下,很多个体并未显示出焦虑或抑郁的症状。慢性应激(CMS)已经广泛用于诱导大鼠的抑郁和焦虑行为,建立环境因素影响人类的模型。为了揭示抑郁症和焦虑症的潜在的生物学病因和病理生理学,重点研究压力诱导障碍的敏感性和抵抗性背后的神经基质将是非常有意义的。
总的来说,抑郁症和焦虑症临床表现不同的核心症状但通常共同出现。由于可能出现的共同症状及发病机制,多数的临床数据和基础研究者通常会混淆,影响我们对这2种疾病的调节因素的理解。最近,多个研究者慢慢开始分别分析无共同症状个体与共同症状个体,以揭示神经系统的独特和共同特征。抑郁症和焦虑症是异质性疾病,由多种脑结构控制,如海马和前额叶。有研究发现,抑郁症和焦虑症导致人类和动物前额叶皮层脑容积和树突棘减少。前额叶是对应激敏感的脑区,参与执行、认知和社交情感功能。慢性应激诱导的前额叶形态学和功能改变,导致抑郁和焦虑的认知和情感失调。前额叶可塑性在抑郁和焦虑个体中都发现异常,相应的内在模式可能发生根本变化而目前为止仍然未研究清楚。因此,迫切需要识别抑郁症或焦虑症的易感性和抵抗性的特有和共同的分子特征。
为了解决上述技术问题,特提出一种新的技术方案。
发明内容
本发明的目的在于提供一种基于蛋白质组学研究抑郁或焦虑症大鼠蛋白质组变化方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于蛋白质组学研究抑郁或焦虑症大鼠蛋白质组变化方法,所述方法包含下述步骤:
步骤1,对大鼠大脑前额叶皮层分离与蛋白提取;
步骤2,对步骤1所得的蛋白样品进行FASP法酶解、多肽iTRAQ标记、SCX分级及LC-MS/MS质谱分析;
步骤3,对步骤2得到的质谱数据进行搜库与生物信息学分析;
步骤4,对步骤3得到的差异蛋白进行PRM技术验证。
优选地,所述步骤1中,对大鼠大脑前额叶皮层分离与蛋白提取具体步骤为:分别取4个不同分组的大鼠前额叶脑组织,进行称重、匀浆和离心处理,进行BCA法测定蛋白浓度与SDS-PAGE电泳检测。
优选地,所述步骤2是在步骤1蛋白浓度测定后各组样品分别取100ug蛋白,进行FASP酶切,按照iTRAQ试剂盒说明书进行肽段标记,SCX高pH分级,并进一步进行质谱鉴定。
优选地,所述步骤3是将质谱采集的原始数据用Proteome Discoverer进行搜库并以p≤0.05进行数据过滤;将过滤后的蛋白以差异倍数≥1.2或≤0.83,p≤0.05进行差异分析,得到的差异蛋白进行生信分析。
优选地,所述步骤4是将步骤3得到的差异蛋白挑选对应的特征多肽,每个蛋白保留1-3条特征多肽,针对差异蛋白的特征多肽进行质谱靶向定量分析。
与现有技术相比,本发明的有益效果是:
1、利用CMS构建的临床前模型可帮助暴露抑郁症和焦虑症的潜在分子特征。分别用SPT、FST和EMT评估CMS诱导的抑郁样行为(快乐和行为绝望)。将建立的抑郁/焦虑大鼠模型分为4个实验组抑郁敏感组、焦虑敏感组、应激抵抗组和对照组。通过这种分组方式,可以将抑郁症与焦虑症进行区别,通过定量蛋白组学用来发现与疾病敏感性和适应性相关的显著的差异蛋白,提高结果的特异性和准确性。
2、抑郁症和焦虑症导致人类或动物前额叶皮层脑容积和树突棘减少。前额叶是对应激敏感的脑区,参与执行、认知和社交情感等功能。慢性应激可诱导前额叶形态学和功能改变,导致抑郁和焦虑的认知和情感失调。本发明选择大鼠模型的前额叶作为定量蛋白组学分析的生物学样本,分析抑郁和焦虑相应的蛋白表达谱的根本变化。为识别抑郁症或焦虑症的易感性和抵抗性的特有和共同的分子特征提供更深层和更针对性的认识。
3、本发明采用iTRAQ定量蛋白质组学方法针对4组抑郁症/焦虑症大鼠模型的前额叶蛋白表达水平进行差异分析,并将差异表达蛋白进行GO、KEGG和PPI等分析,得到了不同行为学表型样本相关的生物学功能、信号通路和蛋白之间相互作用。并进一步采用了基于质谱的平行反应检测(PRM)这一技术对发现的差异蛋白进行靶向验证,提高了定量蛋白质组学结果的可靠性、客观性和准确性。
附图说明
图1为本发明前额叶组织样本iTRAQ定量蛋白质组学分析流程图。
图2为本发明前额叶全蛋白质量检测示意图。
图3为本发明前额叶鉴定的差异表达蛋白示意图。
图4为本发明PRM验证差异表达蛋白示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的通过以下技术方案实现:一种基于蛋白质组学研究抑郁症/焦虑症大鼠蛋白质组变化的方法,通过定量蛋白质组学方法以高深度、高通量、高准确度分析压力应激诱导的抑郁症和焦虑症的蛋白质组变化,所述定量蛋白质组学技术为iTRAQ技术与PRM技术。所述的基于蛋白质组学研究抑郁症/焦虑症大鼠蛋白质组变化的方法,包含以下步骤:
步骤1,对大鼠大脑前额叶皮层分离与蛋白提取;
步骤2,对步骤1所得的蛋白样品进行FASP法酶解、多肽iTRAQ标记、SCX分级及LC-MS/MS质谱分析;
步骤3,对步骤2得到的质谱数据进行搜库与生物信息学分析;
步骤4,对步骤3得到的差异蛋白进行PRM技术验证。
优选地,所述步骤1中,对大鼠大脑前额叶皮层分离与蛋白提取具体步骤为:分别取4个不同分组的大鼠前额叶脑组织,进行称重、匀浆和离心处理,进行BCA法测定蛋白浓度与SDS-PAGE电泳检测。
优选地,所述步骤2是在步骤1蛋白浓度测定后各组样品分别取100ug蛋白,进行FASP酶切,按照iTRAQ试剂盒说明书进行肽段标记,SCX高pH分级,并进一步进行质谱鉴定。
优选地,所述步骤3是将质谱采集的原始数据用Proteome Discoverer进行搜库并以p≤0.05进行数据过滤;将过滤后的蛋白以差异倍数≥1.2或≤0.83,p≤0.05进行差异分析,得到的差异蛋白进行生信分析。
优选地,所述步骤4是将步骤3得到的差异蛋白挑选对应的特征多肽,每个蛋白保留1-3条特征多肽,针对差异蛋白的特征多肽进行质谱靶向定量分析。
具体的:
作为本发明的一种优选技术方案,步骤1的详细步骤为:
1)将大鼠脱颈处死,将头部沿颈部剪下,剪开头部皮肤,剪破颅骨暴露出大脑组织。将脑组织夹出置于预冷生理盐水中,用刀片将包含前额叶组织的脑组织切下,放在EP管中,于-80℃冰箱保存。
2)将前额叶脑组织样品从-80℃冰箱取出,冰上解冻,称取每只老鼠前额叶质量。按照前额叶质量与裂解液之间1:15的比例加入裂解液。全自动快速研磨仪进行匀浆。匀浆完毕,取出EP管冰上静置10分钟,然后每管超声30秒,进一步破碎组织细胞。匀浆后的组织悬液4℃,12000g离心15分钟;上清转移至新EP管中。考马斯亮蓝染色法测定所提蛋白原液的浓度。
3)取20ug蛋白样品,按体积比3:1加入4×上样缓冲液,沸水浴10分钟,12000g离心10分钟;取上清上样至12%SDS-PAGE胶中,恒压80V电泳90分钟后进行考马斯亮蓝染色。
步骤1)中所述生理盐水为0.9%NaCl
步骤2)中所述裂解液组分为4%SDS,1mM DTT,150mM Tris-HCl,pH 8.0。
步骤3)中所述超声破碎的条件为70HZ,150s。
作为本发明的一种优选技术方案,步骤2的详细步骤为:
1)胰酶FASP酶切:每个蛋白样品取100ug,各加200μl Buffer1,充分溶解变性蛋白;加入20μl DTT溶液,37℃反应2h;加入20μl IAA溶液,室温避光反应15min;将蛋白溶液加入10K超滤管中,12,000rpm离心10min,弃掉收集管底部溶液;加200μl Buffer2,12,000rpm离心10min,弃掉收集管底部溶液;加200μl TEAB Bufffer,12,000rpm离心10min,弃掉收集管底部溶液;更换新收集管,加入100μl TEAB Bufffer,各超滤管加入2μg质谱测序级胰蛋白酶(酶∶蛋白=1∶50),37℃反应16h;12,000rpm离心20min,收集酶解后肽段,在超滤管中再加入100μl TEAB Bufffer,12,000rpm离心10min,收集管底溶液并与前两次溶液合并,离心干燥,待做标记。
2)iTRAQ标记多肽:参照SCIEX公司iTRAQ试剂盒说明书进行多肽标记,标记后所有样品进行混合,旋干;冷冻干燥后的肽段分级在Thermo UltiMate 3000UHPLC上进行,色谱柱购自Agilent公司(ZORBAX Extended-C18,2.1),检测波长:紫外215nm,流速:0.3ml/min;分离梯度为80分钟内流动相B从5%线性升至38%。在梯度范围内每1分钟收集1管,共收集16管洗脱溶液,离心干燥待做LCMS分析。
3)LC-MS/MS分析:一维色谱分离的多肽样品经离心干燥后,重新溶解于Nano-LC流动相A(0.1%甲酸)中装瓶上样,进行在线LCMS分析。溶解后的样品以2μL的体积上样到nanoViper C18预柱上(3μm,
Figure BDA0002548848380000061
),然后20ul体积冲洗脱盐。液相为Easy nLC 1200纳升液相系统(ThermoFisher,USA),样品在预柱上脱盐保留后再经分析柱分离,分析柱规格是C18反相色谱柱(50μm×15cm C18-2μm
Figure BDA0002548848380000062
),实验所用梯度为50min内流动相B(80%乙腈,0.1%甲酸)由8%升高至38%。质谱采用ThermoFisher Q Exactive系统(ThermoFisher,USA)结合纳升喷雾Nano Flex离子源(ThermoFisher,USA),喷雾电压为1.9kV,加热温度为275℃,质谱扫描方式为信息依赖的采集工作模式下(DDA,Data Dependent Analysis),一级MS单张图谱扫描时间为100ms,每次DDA循环下最多采集14个电荷为2+到4+的二级图谱,每张二级图谱的累积时间为50ms。每次循环时间固定为1.8秒,碰撞室能量设定适用于所有前体离子碰撞诱导解离(HCD),动态排除设置25s。
步骤1)中所述Buffer1为8M urea/100mM Tris-HCl,pH 8.5;
步骤1)中所述Buffer2为8M urea/100mM Tris-HCl,pH 8.0;
步骤2)中所述流动相2为10mM甲酸铵,90%乙腈,pH10.0;
作为本发明的一种优选技术方案,步骤3的详细步骤为:
1)搜库分析与定量:获得的各组分质谱原始图谱使用Proteome discoverer软件(v2.1.0.81)加工处理进行数据库检索鉴定蛋白和相对定量分析,PSM假阳性率FDR设定为1%,其余数据库检索参数设置如下:iTRAQ 8-plex肽段标记定量,数据库为Rattusnorvegicus蛋白数据库,胰酶酶切、一级质谱质量误差为10ppm,二级质谱质量误差为0.05Da。将搜库得到的多肽与蛋白的定性和定量结果进行鉴定质量评估,将定量结果进行t-test统计分析;将差异倍数≥1.2倍及≤0.83倍同时统计检验p值≤0.05的蛋白定义为差异蛋白,从而得到不同应激条件下大鼠前额叶蛋白组表达的变化情况。
2)生物信息学分析:由步骤1)所得到的差异蛋白进行GO功能注释(http://www.geneontology.org);并进一步针对KEGG数据库进行Pathway分析,确定蛋白参与的主要生理生化代谢通路与信号调节通路。
作为本发明的一种优选技术方案,步骤4是对步骤3得到的部分差异蛋白进行PRM验证,详细步骤为:
1)参考步骤1和步骤2进行生物样本取材、酶切得到酶切多肽。将步骤3得到的搜库结果与原始数据作为建库数据导入Skyline软件进行建库;在DDA结果中筛选出差异蛋白的靶向多肽列表,作为差异蛋白的定量靶向多肽,进行PRM分析。
2)目标肽段的PRM验证:酶切后的多肽样品经离心干燥后,重新溶解于Nano-LC流动相A(0.1%甲酸)中装瓶上样,进行在线LCMS分析。溶解后的样品以2μL的体积上样到nanoViper C18预柱上(3μm,
Figure BDA0002548848380000071
),然后20ul体积冲洗脱盐。液相为Easy nLC 1200纳升液相系统(ThermoFisher,USA),样品在预柱上脱盐保留后再经分析柱分离,分析柱规格是C18反相色谱柱(50μm×15cm C18-2μm
Figure BDA0002548848380000072
),实验所用梯度为90min内流动相B(80%乙腈,0.1%甲酸)由8%升高至38%。质谱采用ThermoFisher Q Exactive系统(ThermoFisher,USA)结合纳升喷雾Nano Flex离子源(ThermoFisher,USA),喷雾电压为1.9kV,加热温度为275℃。主要扫描参数包括:MS2分辨率30000,分离窗口(isolation window)1.2m/z,AGC设置为5e5,最大累计时间200ms,HCD能量28。
3)由步骤2)得到PRM验证的下机数据导入Skyline软件,定量数据均经过Skyline软件进行标准化,检查目标肽段的峰形,判断谱图效果。导出目标肽段的定量信息,蛋白的定量值采用肽段加和的方式计算,并用于组间的统计分析。
实施例,应用基于蛋白质组学研究抑郁症/焦虑症大鼠蛋白质组变化的方法。
样品制备:
1、大鼠前额叶与总蛋白提取。将大鼠脱颈处死,剪破颅骨暴露出大脑组织。将脑组织取出置于预冷生理盐水中,用刀片将包含前额叶组织的脑组织切下,于-80℃冰箱保存。取出前额叶脑组织样品,按照前额叶质量与裂解液之间1:15的比例加入裂解液。全自动快速研磨仪进行匀浆。匀浆完毕,取出EP管冰上静置10分钟,然后每管超声30秒,进一步破碎组织细胞。匀浆后的组织悬液于4℃,12000g离心15分钟;上清转移至新EP管中。
2、蛋白浓度测定与SDS-PAGE。BCA法测定所提蛋白原液的浓度。取20ug蛋白样品,按体积比3:1加入4×上样缓冲液,沸水浴10分钟,12000g离心10分钟;取上清上样至12%SDS-PAGE胶中,恒压80V电泳90分钟后进行考马斯亮蓝染色。20个样品经SDS-PAGE电泳分离后,蛋白质条带分布较为一致(图2)。
3、胰酶酶切与ITRAQ标记。每个蛋白样品取100ug,各加200μl Buffer1,充分溶解变性蛋白;加入20μl DTT溶液,37℃反应2h;加入20μl IAA溶液,室温避光反应15min;将蛋白溶液加入10K超滤管中,12,000rpm离心10min,弃掉收集管底部溶液;加200μl Buffer2,12,000rpm离心10min,弃掉收集管底部溶液;加200μl TEAB Bufffer,12,000rpm离心10min,弃掉收集管底部溶液;更换新收集管,加入100μl TEAB Bufffer,各超滤管加入2μg质谱测序级胰蛋白酶(酶∶蛋白=1∶50),37℃反应16h;12,000rpm离心20min,收集酶解后肽段,在超滤管中再加入100μl TEAB Bufffer,12,000rpm离心10min,收集管底溶液并与前两次溶液合并,离心干燥,待做标记。参照SCIEX公司ITRAQ试剂盒说明书进行多肽标记,标记后所有样品进行混合,旋干。
质谱分析:
1、质谱分析样品制备。冷冻干燥后的肽段分级在Thermo UltiMate 3000UHPLC上进行,色谱柱购自Agilent公司(ZORBAX Extended-C18,2.1),检测波长:紫外215nm,流速:0.3ml/min;分离梯度为80分钟内流动相B从5%线性升至38%。在梯度范围内每1分钟收集1管,共收集16管洗脱溶液,离心干燥待做LCMS分析。
2、LC-MS/MS分析。一维色谱分离的多肽样品经离心干燥后,重新溶解于Nano-LC流动相A(0.1%甲酸)中装瓶上样,进行在线LCMS分析。溶解后的样品以2μL的体积上样到nanoViper C18预柱上(3μm,
Figure BDA0002548848380000081
),然后20ul体积冲洗脱盐。液相为Easy nLC 1200纳升液相系统(ThermoFisher,USA),样品在预柱上脱盐保留后再经分析柱分离,分析柱规格是C18反相色谱柱(50μm×15cm C18-2μm
Figure BDA0002548848380000082
),实验所用梯度为50min内流动相B(80%乙腈,0.1%甲酸)由8%升高至38%。质谱采用ThermoFisher Q Exactive系统(ThermoFisher,USA)结合纳升喷雾Nano Flex离子源(ThermoFisher,USA),喷雾电压为1.9kV,加热温度为275℃,质谱扫描方式为信息依赖的采集工作模式下(DDA,Data Dependent Analysis),一级MS单张图谱扫描时间为100ms,每次DDA循环下最多采集14个电荷为2+到4+的二级图谱,每张二级图谱的累积时间为50ms。每次循环时间固定为1.8秒,碰撞室能量设定适用于所有前体离子碰撞诱导解离(HCD),动态排除设置25s。
差异蛋白统计分析:
1、数据搜库。获得的各组分质谱原始图谱使用Proteome discoverer软件(v2.1.0.81)加工处理进行数据库检索鉴定蛋白和相对定量分析,PSM假阳性率FDR设定为1%,其余数据库检索参数设置如下:iTRAQ 8-plex肽段标记定量,数据库为Rattusnorvegicus蛋白数据库,胰酶酶切、一级质谱质量误差为10ppm,二级质谱质量误差为0.05Da。一共定量了3604个非冗余蛋白,用于后续差异分析。
2、差异分析。将搜库得到的多肽与蛋白的定性和定量结果进行鉴定质量评估,将定量结果进行t-test统计分析;将差异倍数≥1.2倍及≤0.83倍同时统计检验p值≤0.05的蛋白定义为差异蛋白,从而得到不同应激条件下大鼠前额叶蛋白组表达的变化情况。经比对表达分析发现,抑郁敏感组中25个蛋白下调,32个蛋白上调;焦虑敏感组中57个蛋白下调,17个蛋白上调;应激抵抗组中33个蛋白下调,89个蛋白上调(图3)。
表格1.差异表达蛋白统计
比较组 上调蛋白数量 下调蛋白数量 差异蛋白总数
Dep-Sus/Cont 32 25 57
Anx-Sus/Cont 17 57 74
Insus/Cont 89 33 122
3、生物信息学分析:由步骤1)所得到的差异蛋白进行GO功能注释(http://www.geneontology.org);并进一步针对KEGG数据库进行Pathway分析,确定蛋白参与的主要生理生化代谢通路与信号调节通路。抑郁敏感组差异表达的57个蛋白富集到439个BP,66个CC,88个MF和49个KEGG通路。焦虑敏感组中74个失调蛋白也富集到407个BP,105个CC,83个MF和10个KEGG通路。应激抵抗组中122个蛋白同样富集到410个BP,113个CC,130个MF和12个KEGG通路(图3)。
PRM验证分析:
1、参考步骤1和步骤2进行生物样本取材、酶切得到酶切多肽。将步骤3得到的搜库结果与原始数据作为建库数据导入Skyline软件进行建库;在DDA结果中筛选出差异蛋白的靶向多肽列表,作为差异蛋白的定量靶向多肽,进行PRM分析。
2、目标肽段的PRM验证:酶切后的多肽样品经离心干燥后,重新溶解于Nano-LC流动相A(0.1%甲酸)中装瓶上样,进行在线LCMS分析。溶解后的样品以2μL的体积上样到nanoViper C18预柱上(3μm,
Figure BDA0002548848380000101
),然后20ul体积冲洗脱盐。液相为Easy nLC 1200纳升液相系统(ThermoFisher,USA),样品在预柱上脱盐保留后再经分析柱分离,分析柱规格是C18反相色谱柱(50μm×15cm C18-2μm
Figure BDA0002548848380000102
),实验所用梯度为90min内流动相B(80%乙腈,0.1%甲酸)由8%升高至38%。质谱采用ThermoFisher Q Exactive系统(ThermoFisher,USA)结合纳升喷雾Nano Flex离子源(ThermoFisher,USA),喷雾电压为1.9kV,加热温度为275℃。主要扫描参数包括:MS2分辨率30000,分离窗口(isolation window)1.2m/z,AGC设置为5e5,最大累计时间200ms,HCD能量28。
3、由步骤2)得到PRM验证的下机数据导入Skyline软件,定量数据均经过Skyline软件进行标准化,检查目标肽段的峰形,判断谱图效果。导出目标肽段的定量信息,蛋白的定量值采用肽段加和的方式计算,并用于组间的统计分析。结果证明选取的20个差异蛋白基本上可以印证ITRAQ结果(图4)。
本发明中,使用大鼠前额叶组织进行探索应激诱导的抑郁症和焦虑症。对抑郁敏感组、焦虑敏感组和应激抵抗组的前额叶皮层蛋白组进行了比较分析,提供了与抑郁或焦虑的适应性和非适应性表型相关的分子基础。目前的结果能够为理解抑郁或焦虑及压力适应性的背后特有或共同的分子机制提供新的视角
进而使本发明实现提供一种能够高通量、高精度、高分辨率地检测在不同疾病大鼠模型的前额叶皮层中蛋白质组的变化,并可以发现与应激诱导的抑郁症和焦虑症相关的潜在通路的方法。利用这一技术可以高效率的探索抑郁症和焦虑症等疾病的发生机制,可克服现有技术的研究效果不准确的问题,并提供可信度较高的药物作用靶点。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.一种基于蛋白质组学研究抑郁或焦虑症大鼠蛋白质组变化方法,其特征在于:所述方法包含下述步骤:
步骤1,对大鼠大脑前额叶皮层分离与蛋白提取;
步骤2,对步骤1所得的蛋白样品进行FASP法酶解、多肽iTRAQ标记、SCX分级及LC-MS/MS质谱分析;
步骤3,对步骤2得到的质谱数据进行搜库与生物信息学分析;
步骤4,对步骤3得到的差异蛋白进行PRM技术验证。
2.根据权利要求1所述的基于蛋白质组学研究抑郁或焦虑症大鼠蛋白质组变化方法,其特征在于,所述步骤1中,对大鼠大脑前额叶皮层分离与蛋白提取的具体步骤为:分别取4个不同分组的大鼠前额叶脑组织,进行称重、匀浆和离心处理,进行BCA法测定蛋白浓度与SDS-PAGE电泳检测。
3.根据权利要求2所述的基于蛋白质组学研究抑郁或焦虑症大鼠蛋白质组变化方法,其特征在于:所述步骤2是在步骤1蛋白浓度测定后各组样品分别取100ug蛋白,进行FASP酶切,按照iTRAQ试剂盒说明书进行肽段标记,SCX高pH分级,并进一步进行质谱鉴定。
4.根据权利要求1所述的基于蛋白质组学研究抑郁或焦虑症大鼠蛋白质组变化方法,其特征在于:所述步骤3是将质谱采集的原始数据用Proteome Discoverer进行搜库并以p≤0.05进行数据过滤;将过滤后的蛋白以差异倍数≥1.2或≤0.83,p≤0.05进行差异分析,得到的差异蛋白进行生信分析。
5.根据权利要求1所述的基于蛋白质组学研究抑郁或焦虑症大鼠蛋白质组变化方法,其特征在于:所述步骤4是将步骤3得到的差异蛋白挑选对应的特征多肽,每个蛋白保留1-3条特征多肽,针对差异蛋白的特征多肽进行质谱靶向定量分析。
CN202010569274.8A 2020-06-20 2020-06-20 基于蛋白质组学研究抑郁或焦虑症大鼠蛋白质组变化方法 Pending CN111584009A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010569274.8A CN111584009A (zh) 2020-06-20 2020-06-20 基于蛋白质组学研究抑郁或焦虑症大鼠蛋白质组变化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010569274.8A CN111584009A (zh) 2020-06-20 2020-06-20 基于蛋白质组学研究抑郁或焦虑症大鼠蛋白质组变化方法

Publications (1)

Publication Number Publication Date
CN111584009A true CN111584009A (zh) 2020-08-25

Family

ID=72118437

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010569274.8A Pending CN111584009A (zh) 2020-06-20 2020-06-20 基于蛋白质组学研究抑郁或焦虑症大鼠蛋白质组变化方法

Country Status (1)

Country Link
CN (1) CN111584009A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114544826A (zh) * 2020-11-24 2022-05-27 重庆医科大学 检测血浆中组氨酸的试剂在制备抑郁症检测试剂盒中的用途

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070157325A1 (en) * 2005-12-30 2007-07-05 Shahriar Mojtahedian Process for identification of novel disease biomarkers in mouse models of alzheimer's disease including triple transgenic mice and products thereby
CN103065065A (zh) * 2012-11-18 2013-04-24 浙江大学 一种活动性肺结核蛋白表达差异质谱模型及构建方法
CN104820103A (zh) * 2015-05-06 2015-08-05 华南农业大学 应用iTRAQ技术研究水稻响应稻瘟病菌侵染蛋白质组变化的方法
CN106916217A (zh) * 2017-03-17 2017-07-04 华南农业大学 应用iTRAQ技术研究弓形虫慢性感染小鼠脑组织差异表达蛋白质组的方法
CN111220690A (zh) * 2018-11-27 2020-06-02 中国科学院大连化学物理研究所 一种低丰度蛋白质翻译后修饰组的直接质谱检测方法
CN111272889A (zh) * 2020-02-10 2020-06-12 济宁学院 基于蛋白质组学定量技术分析嗜水气单胞菌感染日本沼虾血细胞差异表达蛋白质的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070157325A1 (en) * 2005-12-30 2007-07-05 Shahriar Mojtahedian Process for identification of novel disease biomarkers in mouse models of alzheimer's disease including triple transgenic mice and products thereby
CN103065065A (zh) * 2012-11-18 2013-04-24 浙江大学 一种活动性肺结核蛋白表达差异质谱模型及构建方法
CN104820103A (zh) * 2015-05-06 2015-08-05 华南农业大学 应用iTRAQ技术研究水稻响应稻瘟病菌侵染蛋白质组变化的方法
CN106916217A (zh) * 2017-03-17 2017-07-04 华南农业大学 应用iTRAQ技术研究弓形虫慢性感染小鼠脑组织差异表达蛋白质组的方法
CN111220690A (zh) * 2018-11-27 2020-06-02 中国科学院大连化学物理研究所 一种低丰度蛋白质翻译后修饰组的直接质谱检测方法
CN111272889A (zh) * 2020-02-10 2020-06-12 济宁学院 基于蛋白质组学定量技术分析嗜水气单胞菌感染日本沼虾血细胞差异表达蛋白质的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
颜因;曹莉莎;李敏;王继生;: "氟西汀作用于慢性温和不可预见性应激大鼠海马组织前后的差异蛋白质组学研究", 川北医学院学报, no. 03 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114544826A (zh) * 2020-11-24 2022-05-27 重庆医科大学 检测血浆中组氨酸的试剂在制备抑郁症检测试剂盒中的用途
CN114544826B (zh) * 2020-11-24 2023-12-08 重庆医科大学 检测血浆中组氨酸的试剂在制备抑郁症检测试剂盒中的用途

Similar Documents

Publication Publication Date Title
Wingo et al. Integrating human brain proteomes with genome-wide association data implicates new proteins in Alzheimer’s disease pathogenesis
Keo et al. Transcriptomic signatures of brain regional vulnerability to Parkinson’s disease
Lopez et al. High-resolution serum proteomic profiling of Alzheimer disease samples reveals disease-specific, carrier-protein–bound mass signatures
Fang et al. Brain-specific proteins decline in the cerebrospinal fluid of humans with Huntington disease
CN104777314A (zh) 抑郁症的生物标记物、抑郁症的生物标记物的测定方法、计算机程序及记录介质
Egervari et al. Molecular windows into the human brain for psychiatric disorders
Qin et al. Meta-analysis of sex differences in gene expression in schizophrenia
Hori et al. Blood-based gene expression signatures of medication-free outpatients with major depressive disorder: integrative genome-wide and candidate gene analyses
WO1992013273A1 (en) Method of diagnosing or categorizing disorders from biochemical profiles
Xu et al. Proteomic insights into synaptic signaling in the brain: the past, present and future
Sethi et al. Approaches for targeted proteomics and its potential applications in neuroscience
Reig-Viader et al. Synaptic proteomics as a means to identify the molecular basis of mental illness: Are we getting there?
CN111584009A (zh) 基于蛋白质组学研究抑郁或焦虑症大鼠蛋白质组变化方法
Bauernfeind et al. High spatial resolution proteomic comparison of the brain in humans and chimpanzees
Tiklová et al. Disease duration influences gene expression in neuromelanin-positive cells from Parkinson’s disease patients
US7955862B2 (en) Method and device for the qualitative and/or quantitative determination of a protein and/or peptide pattern of a fluid sample, which has been taken from a human or animal body
Fernández-Irigoyen et al. Applying mass spectrometry-based qualitative proteomics to human amygdaloid complex
Yoshimi et al. Proteomic analysis of lymphoblastoid cell lines from schizophrenic patients
Korhonen et al. Multivariate analyses of immune markers reveal increases in plasma EN-RAGE in first-episode psychosis patients
Hu et al. Identification of biomarkers for early diagnosis of Parkinson's disease by multi-omics joint analysis
CN114593979A (zh) 一种基于质谱检测体液样本里中低丰度蛋白的方法
Lull et al. The use of neuroproteomics in drug abuse research
CN114705866A (zh) 基于血液的遗忘型轻度认知损害早期诊断外周血蛋白标志物、应用及其医疗辅助诊断系统
Kinoshita et al. Potential applications and limitations of proteomics in the study of neurological disease
Tan et al. Distinct genetic signatures of cortical and subcortical regions associated with human memory

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200825