本文作者：ProteinMetrics
摘要
目的：
-
本文展示了软件如何实现自动化及简化该过程。
-
样品来自采用既定工作流程的低分辨率（单杆）仪器。
-
通过软件中提供的自动化功能，工作流程的效率得到提高，并延长了MS仪器的投资回报期。
引言
核心问题：传统手动分析寡核苷素质谱数据非常繁琐、耗时（半天/样品），且需要专家经验，导致效率低下、资源利用不足和通量瓶颈。
解决方案：采用Byos软件及其为寡核苷酸优化的自动化工作流程，即使处理来自低分辨率（单四极杆）质谱仪的数据也能实现高效分析。
方法与工具包
-
希望提高效率和方法、同时减少工作流程中的繁琐和浪费的分析科学家。
-
Protein Metrics的Byos软件中为寡核苷酸优化的模板化工作流程。
-
采集数据的安捷伦LC-UV-MS系统或其他质谱仪。
-
酶切消化的寡核苷酸。
快速识别和量化杂质
Figure1展示了典型寡核苷酸样品使用的标准40分钟LC运行中的20分钟色谱图迹线（在Byos软件中显示）。蓝色高亮峰显示主峰，因此可以相对于其他峰或自动分配的所有其他峰的总和来量化响应（通过UV或MS）。
用户可以在检查窗格中高亮显示各个峰，通过自动生成的报告（示例见Figure4）执行纯度计算，以执行所演示的工作流程（Figure2）。报告也可以模板化，Figure3显示了一个示例。
安捷伦Chemstation数据（低分辨率）提供了原始数据，并将其导入Byos软件进行处理。LC-UV峰的可视化窗格也链接到MS数据，MS数据自动去卷积至质量数范围。
然后，报告可以比较两种技术，以对杂质的相对水平进行正交分析。该软件可以处理低分辨率MS数据并自动进行峰识别。
可以同时检测未知杂质，用户随后可以对其进行分类（如果可识别）。
寡核苷酸分子鉴定、注释
原始数据去卷积
基于多种度量计算杂质的模板化报告。高亮显示的选项卡显示了为LC-UV峰设置的配置。
包含杂质2和3的集成LC-UV图谱。原始数据自动去卷积至质量数范围，峰的相对强度可用于提供杂质的相对度量。
结论：可证明的降低时间成本
>>自动化处理：软件可自动进行峰识别、积分、LC-UV与MS数据关联、数据去卷积（转换为质量数）和杂质鉴定。
>>模板化报告：可自动生成包含纯度计算和杂质定量（基于UV和MS正交分析）的标准化报告，极大减少手动操作。
>>效率提升：能减少60%以上的处理时间，将65%以上的工作流程自动化/半自动化，并自动化报告95%以上的所需数据。
>>准确性：在方法准确性方面，报告显示全长主产物定量与先前数据相比偏差在4%以内，杂质定量偏差在50%以内。
>>灵活性：能够同时处理已知和未知杂质。
作者
Lucy Fernandes2, David Podesta2, Vahid Golghalyani2, lgnat Shilov2, St John Skilton2,
David Benstead1, Edward Wilkinson1
1AstraZeneca, Chemical Development, Pharmaceutical Technology &Development, Operations, AstraZeneca, Macclesfield, SK10 2NA, UK;
2Protein Metrics, Boston, MA.
END
往期推荐