Over-reporting of unreliable protein identifications has reduced the accuracy and reproducibility of MS/MS-based proteomic studies. In this work, we demonstrate the analysis workflow used by a bioinformatic tool called Scaffold, which attempts to increase the confidence in protein identification reports through the use of several statistical methods. In addition, this work describes an advanced protein grouping method used by Scaffold to further reduce falsely reported protein identifications, particularly when using large or otherwise sequence redundant protein databases.

Data independent acquisition (DIA) mass spectrometry is a powerful technique that is improving the reproducibility and throughput of proteomics studies. Here, we introduce an experimental workflow that uses this technique to construct chromatogram libraries that capture fragment ion chromatographic peak shape and retention time for every detectable peptide in a proteomics experiment. These coordinates calibrate protein databases or spectrum libraries to a specific mass spectrometer and chromatography setup, facilitating DIA-only pipelines and the reuse of global resource libraries. We also present EncyclopeDIA, a software tool for generating and searching chromatogram libraries, and demonstrate the performance of our workflow by quantifying proteins in human and yeast cells. We find that by exploiting calibrated retention time and fragmentation specificity in chromatogram libraries, EncyclopeDIA can detect 20-25% more peptides from DIA experiments than with data dependent acquisition-based spectrum libraries alone.

ABSTRACT Spectrum library searching is a powerful alternative to database searching for data dependent acquisition experiments, but has been historically limited to identifying previously observed peptides in libraries. Here we present Scribe, a new library search engine designed to leverage deep learning fragmentation prediction software such as Prosit. Rather than relying on highly curated DDA libraries, this approach predicts fragmentation and retention times for every peptide in a FASTA database. Scribe embeds Percolator for FDR correction and an interference tolerant label-free quantification integrator to enable an end-to-end proteomics workflow. By leveraging expected relative fragmentation and retention time values, we find that library searching with Scribe can outperform traditional database searching tools, both in terms of sensitivity and quantitative precision. Scribe and its graphical interface are easy to use, freely accessible, and fully open source.

Abstract Alzheimer’s disease (AD) is a looming public health disaster with limited interventions. Alzheimer’s is a complex disease that can present with or without causative mutations and can be accompanied by a range of age-related comorbidities. This diverse presentation makes it difficult to study molecular changes specific to AD. To better understand the molecular signatures of disease we constructed a unique human brain sample cohort inclusive of autosomal dominant AD dementia (ADD), sporadic ADD, and those without dementia but with high AD histopathologic burden, and cognitively normal individuals with no/minimal AD histopathologic burden. All samples are clinically well characterized, and brain tissue was preserved postmortem by rapid autopsy. Samples from four brain regions were processed and analyzed by data-independent acquisition LC-MS/MS. Here we present a high-quality quantitative dataset at the peptide and protein level for each brain region. Multiple internal and external control strategies were included in this experiment to ensure data quality. All data are deposited in the ProteomeXchange repositories and available from each step of our processing.

Abstract In proteomics experiments, peptide retention time (RT) is an orthogonal property to fragmentation when assessing detection confidence. Advances in deep learning enable accurate RT prediction for any peptide from sequence alone, including those yet to be experimentally observed. Here we present Chronologer, an open-source software tool for rapid and accurate peptide RT prediction. Using new approaches to harmonize and false-discovery correct across independently collected datasets, Chronologer is built on a massive database with >2.2 million peptides including 10 common post-translational modification (PTM) types. By linking knowledge learned across diverse peptide chemistries, Chronologer predicts RTs with less than two-thirds the error of other deep learning tools. We show how RT for rare PTMs, such as OGlcNAc, can be learned with high accuracy using as few as 10-100 example peptides in newly harmonized datasets. This iteratively updatable workflow enables Chronologer to comprehensively predict RTs for PTM-marked peptides across entire proteomes.

Abstract The proteomic composition of amphibian gametes is largely a molecular mystery, particularly for Urodeles (salamanders and newts) which have few genomic-scale resources. Lungless salamanders (family Plethodontidae) include approximately two thirds of all extant salamander species and are classic models of vertebrate mating behavior. As part of an extended, multi-stage courtship ritual, male plethodontid salamanders deliver rapidly evolving protein pheromones that modify female behavior and improve male reproductive success. Despite great interest in this set of pre-mating reproductive barriers, limited characterization of plethodontid gametes has prohibited investigation of post-mating pre-zygotic barriers such as sperm-egg recognition. In this study, we performed transcriptomic analyses of testis and ovary using long-read PacBio sequencing and proteomic analyses of sperm using mass spectrometry for two evolutionary divergent plethodontid species, Plethodon shermani and Desmognathus ocoee . In both species, many of the most abundant sperm proteins were paralogs of the courtship pheromones Plethodontid Receptivity Factor (PRF), Plethodontid Modulating Factor (PMF), and Sodefrin Precursor-like Factor (SPF). Sperm-specific paralogs of PMF and SPF are likely the most abundant secreted proteins in P. shermani and D. ocoee , respectively. In contrast, sperm PRF lacks a signal peptide and may be expressed in cytoplasm. PRF pheromone genes evolved independently multiple times through repeated gene duplication of sperm PRF genes and signal peptides recovered by recombination with PMF genes. Phylogenetic analysis of courtship pheromones and their sperm paralogs support that each protein family evolved for these two reproductive contexts at distinct evolutionary time points between 17 and 360 million years ago. As the first molecular characterization of salamander gametes, this study expands our knowledge of amphibian fertilization beyond frogs and provides novel insight into the evolutionary processes by which new, rapidly evolving reproductive proteins may evolve.

Abstract Data independent acquisition (DIA) mass spectrometry methods provide systematic and comprehensive quantification of the proteome; yet, relatively few open-source tools are available to analyze DIA proteomics experiments. Fewer still are tools that can leverage gas phase fractionated (GPF) chromatogram libraries to enhance the detection and quantification of peptides in these experiments. Here, we present nf-encyclopedia, an open-source NextFlow pipeline that connects three open-source tools—MSConvert, EncyclopeDIA, and MSstats—to analyze DIA proteomics experiments with or without chromatogram libraries. We demonstrate that nf-encyclopedia is reproducible both when run on a cloud platform or a local workstation and provides robust peptide and protein quantification. Additionally, we found that MSstats enhances protein-level quantitative performance over EncyclopeDIA alone. Finally, we benchmarked the ability nf-encyclopedia to scale to large experiments in the cloud by leveraging the parallelization of compute resources. The nf-encyclopedia pipeline is available under a permissive Apache 2.0 license—run it on your desktop, cluster, or in the cloud: https://github.com/TalusBio/nf-encyclopedia .

Mass spectrometry is a powerful tool for quantifying protein abundance in complex samples. Advances in sample preparation and the development of data independent acquisition (DIA) mass spectrometry approaches have increased the number of peptides and proteins measured per sample. Here we present a series of experiments demonstrating how to assess whether a peptide measurement is quantitative by mass spectrometry. Our results demonstrate that increasing the number of detected peptides in a proteomics experiment does not necessarily result in increased numbers of peptides that can be measured quantitatively.

ABSTRACT A linear ion trap (LIT) is an affordable, robust mass spectrometer that proves fast scanning speed and high sensitivity, where its primary disadvantage is inferior mass accuracy compared to more commonly used time-of-flight (TOF) or orbitrap (OT) mass analyzers. Previous efforts to utilize the LIT for low-input proteomics analysis still rely on either built-in OTs for collecting precursor data or OT-based library generation. Here, we demonstrate the potential versatility of the LIT for low-input proteomics as a stand-alone mass analyzer for all mass spectrometry measurements, including library generation. To test this approach, we first optimized LIT data acquisition methods and performed library-free searches with and without entrapment peptides to evaluate both the detection and quantification accuracy. We then generated matrix-matched calibration curves to estimate the lower limit of quantification using only 10 ng of starting material. While LIT-MS1 measurements provided poor quantitative accuracy, LIT-MS2 measurements were quantitatively accurate down to 0.5 ng on column. Finally, we optimized a suitable strategy for spectral library generation from low-input material, which we used to analyze single-cell samples by LIT-DIA using LIT-based libraries generated from as few as 40 cells.

Abstract Advances in proteomics and mass spectrometry have enabled the study of limited cell populations, such as single-cell proteomics, where high-mass accuracy instruments are typically required. While triple quadrupoles offer fast and sensitive nominal resolution measurements, these instruments are effectively limited to targeted proteomics. Linear ion traps (LITs) offer a versatile, cost-effective alternative capable of both targeted and global proteomics. We demonstrate a workflow using a newly released, hybrid quadrupole-LIT instrument for developing targeted proteomics assays from global data-independent acquisition (DIA) measurements without needing high-mass accuracy. Gas-phase fraction-based DIA enables rapid target library generation in the same background chemical matrix as each quantitative injection. Using a new software tool embedded within EncyclopeDIA for scheduling parallel reaction monitoring assays, we show consistent quantification across three orders of magnitude of input material. Using this approach, we demonstrate measuring peptide quantitative linearity down to 25x dilution in a background of only a 1 ng proteome without requiring stable isotope labeled standards. At 1 ng total protein on column, we found clear consistency between immune cell populations measured using flow cytometry and immune markers measured using LIT-based proteomics. We believe hybrid quadrupole-LIT instruments represent an economic solution to democratizing mass spectrometry in a wide variety of laboratory settings.