Abstract Mass spectrometry is the method of choice for deep and reliable exploration of the (human) proteome. Targeted mass spectrometry reliably detects and quantifies pre-determined sets of proteins in a complex biological matrix and is used in studies that rely on the quantitatively accurate and reproducible measurement of proteins across multiple samples. It requires the one-time, a priori generation of a specific measurement assay for each targeted protein. SWATH-MS is a mass spectrometric method that combines data-independent acquisition (DIA) and targeted data analysis and vastly extends the throughput of proteins that can be targeted in a sample compared to selected reaction monitoring (SRM). Here we present a compendium of highly specific assays covering more than 10,000 human proteins and enabling their targeted analysis in SWATH-MS datasets acquired from research or clinical specimens. This resource supports the confident detection and quantification of 50.9% of all human proteins annotated by UniProtKB/Swiss-Prot and is therefore expected to find wide application in basic and clinical research. Data are available via ProteomeXchange (PXD000953-954) and SWATHAtlas (SAL00016-35).

A method for converting biopsy-size tissue samples into digital files containing the mass spectrometry–measurable proteome of the sample will allow analysis and re-analysis of limited tissue samples. Clinical specimens are each inherently unique, limited and nonrenewable. Small samples such as tissue biopsies are often completely consumed after a limited number of analyses. Here we present a method that enables fast and reproducible conversion of a small amount of tissue (approximating the quantity obtained by a biopsy) into a single, permanent digital file representing the mass spectrometry (MS)-measurable proteome of the sample. The method combines pressure cycling technology (PCT) and sequential window acquisition of all theoretical fragment ion spectra (SWATH)-MS. The resulting proteome maps can be analyzed, re-analyzed, compared and mined in silico to detect and quantify specific proteins across multiple samples. We used this method to process and convert 18 biopsy samples from nine patients with renal cell carcinoma into SWATH-MS fragment ion maps. From these proteome maps we detected and quantified more than 2,000 proteins with a high degree of reproducibility across all samples. The measured proteins clearly distinguished tumorous kidney tissues from healthy tissues and differentiated distinct histomorphological kidney cancer subtypes.

Metaproteomics is an emerging research area which aims to reveal the functionality of microbial communities - unlike the increasingly popular metagenomics providing insights only on the functional potential. So far, the common approach in metaproteomics has been data-dependent acquisition mass spectrometry (DDA). However, DDA is known to have limited reproducibility and dynamic range with samples of complex microbial composition. To overcome these limitations, we introduce here a novel approach utilizing data-independent acquisition (DIA) mass spectrometry, which has not been applied in metaproteomics of complex samples before. For robust analysis of the data, we introduce an open-source software package diatools, which is freely available at Docker Hub and runs on various operating systems. Our highly reproducible results on laboratory-assembled microbial mixtures and human fecal samples support the utility of our approach for functional characterization of complex microbiota. Hence, the approach is expected to dramatically improve our understanding on the role of microbiota in health and disease.