Abstract The human plasma glycoproteome holds enormous potential to identify personalized biomarkers to diagnose and understand disease. Recent advances in mass spectrometry and software development are opening novel avenues to mine the glycoproteome for protein- and site-specific glycosylation changes. Here, we describe a novel plasma N-glycoproteomics method for disease diagnosis and evaluated its clinical applicability by performing comparative glycoproteomics in blood plasma of 40 controls and a cohort of 74 patients with 13 different genetic diseases that directly impact the protein N-glycosylation pathway. The plasma glycoproteome yielded high-specificity biomarker signatures for each of the individual genetic defects. Bioinformatic analyses revealed site-specific glycosylation differences that could be explained by underlying glycobiology and in specific diseases by protein-intrinsic factors. Our work illustrates the strong potential of plasma glycoproteomics to significantly increase specificity of glycoprotein biomarkers with direct insights in site-specific glycosylation changes to better understand the mechanisms underlying human disease.

ABSTRACT Glycoproteins play important roles in numerous physiological processes and are often implicated in disease. Analysis of site-specific protein glycobiology through glycoproteomics is evolving rapidly in recent years thanks to hardware and software innovations. Particularly, the introduction of Parallel Accumulation Serial Fragmentation (PASEF) on hybrid trapped ion mobility time-of-flight mass spectrometry instruments combined deep proteome sequencing with separation of (near-)isobaric precursor ions or converging isotope envelopes through ion mobility separation. However, reported use of PASEF in integrated glycoproteomics workflows to comprehensively capture the glycoproteome is still limited. To this end, we developed an integrated methodology using the timsTOF Pro 2 to enhance N-glycopeptide identifications in complex mixtures. We systematically optimized the ion optics tuning, collision energies, mobility isolation width and the use of do-pant-enriched nitrogen gas (DEN). Thus, we obtained a marked increase in unique glycopeptide identification rates compared to standard proteomics settings showcasing our results on a large set of glycopeptides. With short liquid chromatography gradients of 30 minutes, we increased the number of unique N-glycopeptide identifications in human plasma samples from around 100 identifications under standard proteomics condition to up to 1500 with our optimized glycoproteomics approach, highlighting the need for tailored optimizations to obtain comprehensive data. Abstract Figure

Abstract Real-time database searching allows for simpler and automated proteomics workflows as it eliminates technical bottlenecks in high throughput experiments. Most importantly, it enables results dependent acquisition (RDA) where search results can be used to guide data acquisition during acquisition. This is especially beneficial for glycoproteomics since the wide range of physicochemical properties of glycopeptides lead to a wide range of optimal acquisition parameters. We established here the GlycoPaSER prototype by extending the Parallel Search Engine in Real-time (PaSER) functionality for real-time glycopeptide identification from fragmentation spectra. Glycopeptide fragmentation spectra were decomposed into peptide- and glycan-moiety spectra using common N-glycan fragments. Each moiety was subsequently identified by a specialized algorithm running in real-time. GlycoPaSER can keep up with the rate of data acquisition for real-time analysis with similar performance to other glycoproteomics software and produces results that are in line with literature reference data. The GlycoPaSER prototype presented here provides the first proof-of-concept for real-time glycopeptide identification that unlocks future development of RDA technology to transcend data acquisition.