Algorithmen zur labelfreien quantitativen Proteomanalyse auf Basis datenunabhängig-akquirierter LC-MS-Daten

Moderne ESI-LC-MS/MS-Techniken erlauben in Verbindung mit Bottom-up-Ansätzen eine qualitative und quantitative Charakterisierung mehrerer tausend Proteine in einem einzigen Experiment. Für die labelfreie Proteinquantifizierung eignen sich besonders datenunabhängige Akquisitionsmethoden wie MSE und die IMS-Varianten HDMSE und UDMSE. Durch ihre hohe Komplexität stellen die so erfassten Daten besondere Anforderungen an die Analysesoftware. Eine quantitative Analyse der MSE/HDMSE/UDMSE-Daten blieb bislang wenigen kommerziellen Lösungen vorbehalten. rn| In der vorliegenden Arbeit wurden eine Strategie und eine Reihe neuer Methoden zur messungsübergreifenden, quantitativen Analyse labelfreier MSE/HDMSE/UDMSE-Daten entwickelt und als Software ISOQuant implementiert. Für die ersten Schritte der Datenanalyse (Featuredetektion, Peptid- und Proteinidentifikation) wird die kommerzielle Software PLGS verwendet. Anschließend werden die unabhängigen PLGS-Ergebnisse aller Messungen eines Experiments in einer relationalen Datenbank zusammengeführt und mit Hilfe der dedizierten Algorithmen (Retentionszeitalignment, Feature-Clustering, multidimensionale Normalisierung der Intensitäten, mehrstufige Datenfilterung, Proteininferenz, Umverteilung der Intensitäten geteilter Peptide, Proteinquantifizierung) überarbeitet. Durch diese Nachbearbeitung wird die Reproduzierbarkeit der qualitativen und quantitativen Ergebnisse signifikant gesteigert.rn| Um die Performance der quantitativen Datenanalyse zu evaluieren und mit anderen Lösungen zu vergleichen, wurde ein Satz von exakt definierten Hybridproteom-Proben entwickelt. Die Proben wurden mit den Methoden MSE und UDMSE erfasst, mit Progenesis QIP, synapter und ISOQuant analysiert und verglichen. Im Gegensatz zu synapter und Progenesis QIP konnte ISOQuant sowohl eine hohe Reproduzierbarkeit der Proteinidentifikation als auch eine hohe Präzision und Richtigkeit der Proteinquantifizierung erreichen.rn| Schlussfolgernd ermöglichen die vorgestellten Algorithmen und der Analyseworkflow zuverlässige und reproduzierbare quantitative Datenanalysen. Mit der Software ISOQuant wurde ein einfaches und effizientes Werkzeug für routinemäßige Hochdurchsatzanalysen labelfreier MSE/HDMSE/UDMSE-Daten entwickelt. Mit den Hybridproteom-Proben und den Bewertungsmetriken wurde ein umfassendes System zur Evaluierung quantitativer Akquisitions- und Datenanalysesysteme vorgestellt.

Identifizierung und Quantifizierung von sauren Markersubstanzen für troposphärisches sekundäres organisches Aerosol aus biogenen Kohlenwasserstoffen mittels Kapillar-HPLC-ESI-MS n

Sekundäres organisches Aerosol (SOA) ist ein wichtiger Bestandteil von atmosphärischen Aerosolpartikeln. Atmosphärische Aerosole sind bedeutsam, da sie das Klima über direkte (Streuung und Absorption von Strahlung) und indirekte (Wolken-Kondensationskeime) Effekte beeinflussen. Nach bisherigen Schätzungen ist die SOA-Bildung aus biogenen Kohlenwasserstoffen global weit wichtiger als die SOA-Bildung aus anthropogenen Kohlenwasserstoffen. Reaktive Kohlenwasserstoffe, die in großen Mengen von der Vegetation emittiert werden und als die wichtigsten Vorläufersubstanzen für biogenes SOA gelten, sind die Terpene. In der vorliegenden Arbeit wurde eine Methode entwickelt, welche die Quantifizierung von aciden Produkten der Terpen-Oxidation ermöglicht. Die Abscheidung des größenselektierten Aerosols (PM 2.5) erfolgte auf Quarzfilter, die unter Zuhilfenahme von Ultraschall mittels Methanol extrahiert wurden. Nach Aufkonzentrierung und Lösungsmittelwechsel auf Wasser sowie Standardaddition wurden die Proben mit einer Kapillar-HPLC-ESI-MSn-Methode analysiert. Das verwendete Ionenfallen-Massenspektrometer (LCQ-DECA) bietet die Möglichkeit, Strukturaufklärung durch selektive Fragmentierung der Qasimolekülionen zu betreiben. Die Quantifizierung erfolgte teilweise im MS/MS-Modus, wodurch Selektivität und Nachweisgrenze verbessert werden konnten. Um Produkte der Terpen-Oxidation zu identifizieren, die nicht als Standards erhältlich waren, wurden Ozonolysexperimente durchgeführt. Dadurch gelang die Identifizierung einer Reihe von Oxidationsprodukten in Realproben. Neben schon bekannten Produkten der Terpen-Oxidation konnten einige Produkte erstmals in Realproben eindeutig als Produkte des α Pinens nachgewiesen werden. In den Proben der Ozonolyseexperimente konnten auch Produkte mit hohem Molekulargewicht (>300 u) nachgewiesen werden, die Ähnlichkeit zeigen zu den als Dimeren oder Polymeren in der Literatur bezeichneten Substanzen. Sie konnten jedoch nicht in Feldproben gefunden werden. Im Rahmen von 5 Messkampagnen in Deutschland und Finnland wurden Proben der atmosphärischen Partikelphase genommen. Die Quantifizierung von Produkten der Oxidation von α-Pinen, β-Pinen, 3-Caren, Sabinen und Limonen in diesen Proben ergab eine große zeitliche und örtliche Variationsbreite der Konzentrationen. Die Konzentration von Pinsäure bewegte sich beispielsweise zwischen etwa 0,4 und 21 ng/m³ während aller Messkampagnen. Es konnten stets Produkte verschiedener Terpene nachgewiesen werden. Produkte einiger Terpene eignen sich sogar als Markersubstanzen für verschiedene Pflanzenarten. Sabinen-Produkte wie Sabinsäure können als Marker für die Emissionen von Laubbäumen wie Buchen oder Birken verwendet werden, während Caren-Produkte wie Caronsäure als Marker für Nadelbäume, speziell Kiefern, verwendet werden können. Mit den quantifizierten Substanzen als Marker wurde unter zu Hilfenahme von Messungen des Gehaltes an organischem und elementarem Kohlenstoff im Aerosol der Anteil des sekundären organischen Aerosols (SOA) errechnet, der von der Ozonolyse der Terpene stammt. Erstaunlicherweise konnten nur 1% bis 8% des SOA auf die Ozonolyse der Terpene zurückgeführt werden. Dies steht im Gegensatz zu der bisherigen Meinung, dass die Ozonolyse der Terpene die wichtigste Quelle für biogenes SOA darstellt. Gründe für diese Diskrepanz werden in der Arbeit diskutiert. Um die atmosphärischen Prozesse der Bildung von SOA vollständig zu verstehen, müssen jedoch noch weitere Anstrengungen unternommen werden.