A cornerstone of modern biomedical research is the use of mouse models to explore basic pathophysiological mechanisms, evaluate new therapeutic approaches, and make go or no-go decisions to carry new drug candidates forward into clinical trials. Systematic studies evaluating how well murine models mimic human inflammatory diseases are nonexistent. Here, we show that, although acute inflammatory stresses from different etiologies result in highly similar genomic responses in humans, the responses in corresponding mouse models correlate poorly with the human conditions and also, one another. Among genes changed significantly in humans, the murine orthologs are close to random in matching their human counterparts (e.g., R 2 between 0.0 and 0.1). In addition to improvements in the current animal model systems, our study supports higher priority for translational medical research to focus on the more complex human conditions rather than relying on mouse models to study human inflammatory diseases.

Abstract Nanoscale or single-cell technologies are critical for biomedical applications. However, current mass spectrometry (MS)-based proteomic approaches require samples comprising a minimum of thousands of cells to provide in-depth profiling. Here, we report the development of a nanoPOTS (nanodroplet processing in one pot for trace samples) platform for small cell population proteomics analysis. NanoPOTS enhances the efficiency and recovery of sample processing by downscaling processing volumes to <200 nL to minimize surface losses. When combined with ultrasensitive liquid chromatography-MS, nanoPOTS allows identification of ~1500 to ~3000 proteins from ~10 to ~140 cells, respectively. By incorporating the Match Between Runs algorithm of MaxQuant, >3000 proteins are consistently identified from as few as 10 cells. Furthermore, we demonstrate quantification of ~2400 proteins from single human pancreatic islet thin sections from type 1 diabetic and control donors, illustrating the application of nanoPOTS for spatially resolved proteome measurements from clinical tissues.

Central tendency, linear regression, locally weighted regression, and quantile techniques were investigated for normalization of peptide abundance measurements obtained from high-throughput liquid chromatography-Fourier transform ion cyclotron resonance mass spectrometry (LC−FTICR MS). Arbitrary abundances of peptides were obtained from three sample sets, including a standard protein sample, two Deinococcus radiodurans samples taken from different growth phases, and two mouse striatum samples from control and methamphetamine-stressed mice (strain C57BL/6). The selected normalization techniques were evaluated in both the absence and presence of biological variability by estimating extraneous variability prior to and following normalization. Prior to normalization, replicate runs from each sample set were observed to be statistically different, while following normalization replicate runs were no longer statistically different. Although all techniques reduced systematic bias to some degree, assigned ranks among the techniques revealed that for most LC−FTICR−MS analyses linear regression normalization ranked either first or second. However, the lack of a definitive trend among the techniques suggested the need for additional investigation into adapting normalization approaches for label-free proteomics. Nevertheless, this study serves as an important step for evaluating approaches that address systematic biases related to relative quantification and label-free proteomics. Keywords: proteomics • normalization • relative quantification • Fourier transform ion cyclotron resonance mass spectrometry (FTICR−MS) • extraneous variability • bias

Abstract Summary: Data Analysis Tool Extension (DAnTE) is a statistical tool designed to address challenges associated with quantitative bottom-up, shotgun proteomics data. This tool has also been demonstrated for microarray data and can easily be extended to other high-throughput data types. DAnTE features selected normalization methods, missing value imputation algorithms, peptide-to-protein rollup methods, an extensive array of plotting functions and a comprehensive hypothesis-testing scheme that can handle unbalanced data and random effects. The graphical user interface (GUI) is designed to be very intuitive and user friendly. Availability: DAnTE may be downloaded free of charge at http://omics.pnl.gov/software/ Contact: rds@pnl.gov or proteomics@pnl.gov Supplementary information: An example dataset with instructions on how to perform a series of analysis steps is available at http://omics.pnl.gov/software/

The enormous complexity, wide dynamic range of relative protein abundances of interest (over 10 orders of magnitude), and tremendous heterogeneity (due to post-translational modifications, such as glycosylation) of the human blood plasma proteome severely challenge the capabilities of existing analytical methodologies. Here, we describe an approach for broad analysis of human plasma N-glycoproteins using a combination of immunoaffinity subtraction and glycoprotein capture to reduce both the protein concentration range and the overall sample complexity. Six high-abundance plasma proteins were simultaneously removed using a pre-packed, immobilized antibody column. N-linked glycoproteins were then captured from the depleted plasma using hydrazide resin and enzymatically digested, and the bound N-linked glycopeptides were released using peptide-N-glycosidase F (PNGase F). Following strong cation exchange (SCX) fractionation, the deglycosylated peptides were analyzed by reversed-phase capillary liquid chromatography coupled to tandem mass spectrometry (LC−MS/MS). Using stringent criteria, a total of 2053 different N-glycopeptides were confidently identified, covering 303 nonredundant N-glycoproteins. This enrichment strategy significantly improved detection and enabled identification of a number of low-abundance proteins, exemplified by interleukin-1 receptor antagonist protein (∼200 pg/mL), cathepsin L (∼1 ng/mL), and transforming growth factor beta 1 (∼2 ng/mL). A total of 639 N-glycosylation sites were identified, and the overall high accuracy of these glycosylation site assignments as assessed by accurate mass measurement using high-resolution liquid chromatography coupled to Fourier transform ion cyclotron resonance mass spectrometry (LC−FTICR) is initially demonstrated. Keywords: human plasma • mass spectrometry • proteomics • N-glycosylation • immunoaffinity subtraction

A novel Zn2+-selective visible wavelength fluoroionophore (FluoZin-3, 9) was synthesized. The chelating portion of the molecule resembles known EGTA-based Ca2+-selective fluoroionophores, except that one of the N-acetic acid moieties has been deleted in 9. FluoZin-3 is virtually non-fluorescent in the absence of Zn2+, and exhibits a several hundred-fold fluorescence increase upon saturation with Zn2+(∼100 nM), with a Kd = 15 ± 2 nM. A 1:1 binding stoichiometry of 9:Zn2+ was determined, and the fluorescence of the complex is pH-independent at pH > 6. FluoZin-3 was used to monitor Zn2+ that was co-secreted with insulin from pancreatic β-cells by exocytosis following stimulation with glucose. The total Zn2+ concentration near the cells reached 600 nM, and Zn2+ was detectable at least 15 μm away from secreting cells. Heterogeneity in secretion among cells was indicated in that some cells in a cluster did not release Zn2+. Also, within secreting cells some regions of the cell membrane gave rise to secretion while others did not, suggesting active zones of secretion on the cell surface.

Sensitive detection of low-abundance proteins in complex biological samples has typically been achieved by immunoassays that use antibodies specific to target proteins; however, de novo development of antibodies is associated with high costs, long development lead times, and high failure rates. To address these challenges, we developed an antibody-free strategy that involves PRISM (high-pressure, high-resolution separations coupled with intelligent selection and multiplexing) for sensitive selected reaction monitoring (SRM)–based targeted protein quantification. The strategy capitalizes on high-resolution reversed-phase liquid chromatographic separations for analyte enrichment, intelligent selection of target fractions via on-line SRM monitoring of internal standards, and fraction multiplexing before nano–liquid chromatography-SRM quantification. Application of this strategy to human plasma/serum demonstrated accurate and reproducible quantification of proteins at concentrations in the 50–100 pg/mL range, which represents a major advance in the sensitivity of targeted protein quantification without the need for specific-affinity reagents. Application to a set of clinical serum samples illustrated an excellent correlation between the results obtained from the PRISM-SRM assay and those from clinical immunoassay for the prostate-specific antigen level.

For many years, basic and clinical researchers have taken advantage of the analytical sensitivity and specificity afforded by mass spectrometry in the measurement of proteins. Clinical laboratories are now beginning to deploy these work flows as well. For assays that use proteolysis to generate peptides for protein quantification and characterization, synthetic stable isotope-labeled internal standard peptides are of central importance. No general recommendations are currently available surrounding the use of peptides in protein mass spectrometric assays.The Clinical Proteomic Tumor Analysis Consortium of the National Cancer Institute has collaborated with clinical laboratorians, peptide manufacturers, metrologists, representatives of the pharmaceutical industry, and other professionals to develop a consensus set of recommendations for peptide procurement, characterization, storage, and handling, as well as approaches to the interpretation of the data generated by mass spectrometric protein assays. Additionally, the importance of carefully characterized reference materials-in particular, peptide standards for the improved concordance of amino acid analysis methods across the industry-is highlighted. The alignment of practices around the use of peptides and the transparency of sample preparation protocols should allow for the harmonization of peptide and protein quantification in research and clinical care.