Spectronaut™ 近年来一直为DIA实验的数据分析提供最好的解决方案。而最新版本Spectronaut 将目前多个独立的DIA相关分析流程进行了无缝整合，更好的扩展了Spectronaut的应用领域。 Spectronaut®是一个 旨在独立分析数据获取（DIA）蛋白质组学实验。Spectronaut可以对数百到数千种蛋白质。具有多种条件的大型实验并且可以分析由多达数万次LC-MS运行组成的重复。Spectronaut可以在不使用保留时间校准试剂盒的情况下分析DIA数据。然而强烈建议添加iRT试剂盒，因为它可以确保在困难的矩阵上进行校准并且允许详细的质量控制读数。
1. 构建混合库通过组合其他来源的大规模谱图库(project 或 resource libraries)和样品本身DIA检测数据(directDIA)，可以不用自己建库便能得到较大量的定量蛋白数。2. 加入标记的工作流程在混合Biognosys全新PQ500同位素标肽试剂盒，目标蛋白可以通过非标定量的方式进行绝对定量且能够跨越5个数量级。3. 宿主细胞蛋白通过矫正残留蛋白，可以对低丰度的宿主细胞蛋白进行高精度的定性定量。“Spectronaut X 在混合库建立过程中能够整合DDA和DIA数据，在我们的实践中发现可以得到更好的结果并以此开发全新的数据采集策略。” Spectronaut®19主要发布功能 1 directDIA 的重大改进
• 评分提高：基于大量且多样化的 DIA 数据集，平均蛋白质组增加 10%，前体增加 13%
• 量化提高：基于大量且多样化的受控定量实验，真实候选物增加 11%。
2 由 AI 提供支持
• 深度学习模型的关键性能指标提高高达 40%
• 可选择使用 deepQuant，这是一种基于深度学习的干扰校正算法
• 改进了对一系列修饰和标签（如二甲基化、泛素化、mTRAQ 等）的推理。
3 计算性能显著提高
• 与 Spectronaut 18.0 相比，directDIA 在 timsTOF 和 Astral 数据上的速度提高了 40%
• 减少了 directDIA RAM 使用量：内存增长减少了 90%。理论上，使用 directDIA plus
SNECombine 工作流程，512 GB RAM 即可处理 10,000 个
样本。
• Spectronaut 保存的实验 (.SNE) 文件大小减少了高达 80%
• 临时硬盘要求降低了高达 86%（来自 HTRMS 的 directDIA）
• 临时硬盘要求降低了高达 50%（来自原始供应商格式的 directDIA）
4 新的采集方法支持
• Bruker 的 timsTOF 平台上的 diagonal-PASEF 支持 directDIA 和基于库的分析
• 分析视角中 diagonal-PASEF 的新可视化
5 改进了对标记 DIA 工作流程的支持
• 增加了对运行级别通道 q 值的支持
• 在通道级别注释生物条件
第 4 页，共 4 页
-Biognosys Confidential 6 用于分析翻译后修饰的新功能
• 通过将富集实验与非富集实验联系起来进行输入标准化
• 支持站点占用率计算
• 分析和后分析视角中的新可视化
7 改进的命令线路接口
• 新的 SNEMerge 选项便于批量或并行处理：将多个
SNE 文件合并为一个 SNE 文件
• 输入标准化的新选项
• 如果命令有错误，则立即退出
• 为每个管道使用具有明确选项范围的单独命令
• 增强了 POSIX 兼容性
8 个新的可视化和报告
• 洗脱组级别 EG.InputNormalizationFactor
• 洗脱组级别 EG.QuantityPerProtein
• PTM 位点报告 PTM.QuantityPerProtein
• PTM 位点报告 PTM.InputNormalizationFactor
• PTM 位点报告 PTM.Stoichiometry
• 新的 R.PTMSites 类别列出了每个 PTM 的所有已识别位点
• 肽与蛋白质数量图
• 分析后分析概述平均 PTM 本地化
• 实验设置中的样本链接页面
9 个新的和更改的分析设置
• [新] DIA 分析 PTM 工作流程 输入标准化策略
• [新] DIA 分析 PTM 工作流程 PTM 定位 化学计量学
计算策略
• [新] DIA 分析 定量 DeepQuant 校正 [测试版]
• [新] DIA 分析 工作流程 混合 (DDA + DIA) 库
• [新] directDIA Pulsar 搜索 加速 diaPASEF 处理 快速
• [新] directDIA Pulsar 搜索 识别 directDIA 工作流程 RT
采样减少
• [更改] Spectronaut 19 仅使用 MS2 定量进行差异丰度分析。
以前，默认同时使用 MS1 和 MS2
有兴趣联系
8020169@qq.com
微博帐号登录