基于timsTOF的免疫活性肽解决方案—从样品制备到数据智能分析

基于timsTOF 质谱平台的免疫活性肽解决方案，通过整合高灵敏度离子淌度分离、智能数据采集模式和AI 驱动的分析工具，构建了从样品制备到精准解析的全流程技术体系。timsTOF 平台为免疫活性肽研究提供了从分子发现到临床转化的完整工具链，尤其在肿瘤免疫治疗和传染病防控领域展现出巨大潜力。

10月16日，布鲁克联合分析测试百科网组织【基于timsTOF的免疫活性肽解决方案—从样品制备到数据智能分析】网络研讨会，邀请阿斯利康研发部Dorothy Ahlf Wheatcraft高级科学家，耶鲁大学医学院王瑞敏博士后研究员重点介绍主要组织相容性复合体（MHC）肽段表征，对于人们深入了解适应性免疫系统提供了关键线索，但同时也带来了重大的分析挑战。期待您的参会~

【Optimized Platform for In-Depth Characterization of MHC Class I and II Post-translationally Modified Immunopeptides】

Characterization of major histocompatibility complex (MHC) peptides provides key insight into the adaptive immune system but also presents a significant analytical challenge. Detecting rare, immunogenic peptides has long been a challenge for proteomics due to their low abundance, non-tryptic peptide properties, and the many steps required in enrichment. Here, we present an optimized platform allowing the characterization of broadly expressed MHC class I and class II immunopeptides as well as downstream enrichment for post- translational modifications (PTMs) such as phosphorylation. We achieved an enhanced depth of the MHC-I and II immunopeptidomes by optimizing multiple sample preparation strategies, DDA-PASEF mass spectrometry methods, and data analysis, while using less starting material compared to previously published approaches

【MHCBooster: An AI-powered Software to Boost DDA-based Immunopeptide Identification】

识别由主要组织相容性复合体（MHC）分子所呈现的免疫肽对于理解免疫反应以及开发基于 T 细胞的靶向疫苗和免疫疗法至关重要。然而，通过质谱（MS）对免疫肽进行精确识别，尤其是在从低上样量时，是一项极具挑战性的任务。为了解决这个问题，我们基于Bruker timsTOF质谱平台，开发了 MHCBooster 这一基于人工智能的工具，它利用深度学习模型来利用数据依赖式采集（DDA）质谱技术来增强免疫肽的识别能力。通过为 MHC-I 和 MHC-II 肽提供诸如保留时间（RT）、MS2、离子迁移率（IM）以及抗原加工和呈递（APP）等关键维度的可靠性测量值，MHCBooster 在表位识别方面提高了灵敏度和特异性，尤其是在低输入情况下。MHCBooster 具有图形用户界面（GUI），并且还可以通过命令行或作为 Python 包进行使用。