Využití předpovědi retenčního času při separaci tryptických peptidových směsí pro identifikaci proteinů pomocí LC-MS

Bc. Lenka Monincová

Diplomová práce

Use of retention time prediction within separation of tryptic peptide mixtures for identification of protein by means of LC-MS

Anotace:

Využití 1D nebo 2D kapalinové chromatografie k separaci proteolytických štěpů nebo přímo intaktních proteinů před vstupem do hmotnostního spektrometru s následnou identifikací proteinů pomocí MS, MS/MS a obsáhlých databází je běžně prováděným krokem. Komplexnost a nízké množství proteinů nacházející se v biologických vzorcích stále představují problém při jejich identifikaci. Pro zlepšení schopnosti identifikace proteinů se nabízí využití informace z kapalinové chromatografie. Retenční čas je závislý na chemické struktuře látky a konstantní pro danou látku za daných separačních podmínek (teplota, složení mobilní a stacionární fáze, pH). Pro využití retenčního času je nutné mít co nejpřesnější metodu pro předpověď retenčního času a také vhodný postup pro kombinaci informace získané z LC a MS. V práci je k vývoji modelu pro předpověď retenčních časů peptidů využita umělá neuronová síť.

Abstract:

A common step in identification protein is to use 1D or 2D liquid chromatography for separation proteolytic digest or direct intact protein before entry to mass spectrometry. The final step extensive databases search. However, sample complexity and low amount of protein in biology samples is still a problem. Utilization of retention time can improve possibility of protein identification. Peptide retention time depends on amino acid sequence and is constant under the given separation conditions (pH, temperature, mobile phase composition, stationary phase composition). An accurate model for prediction retention time is necessary to use peptide retention time for protein identification. The success of the application of retention time prediction to protein identification lies also in an existence of reliable statistical scoring method. A model based on artificial neural network applied for prediction of trypsin digest peptide retention time was evaluated in the thesis.

Klíčová slova

Předpověď retenčních časů, umělá neuronová síť, separace peptidů, identifikace peptidů

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 7. 5. 2008

Obhajoba závěrečné práce

• Obhajoba proběhla 21. 5. 2008
• Vedoucí: doc. Mgr. Jan Havliš, Dr.

Masarykova univerzita

Přírodovědecká fakulta

Magisterský studijní program / obor:
Chemie / Analytická chemie