yundic

Janssen、Genentech和Amgen创建双特异性抗体中抗体链重组高度自动化的分析方法 Protein Metrics 双特异性抗体：潜力与挑战 全球有超过50种双特异性抗体处于临床开发阶段，这些分子在治疗最具挑战性的疾病方面表现出巨大的潜力。然而，具有两种不同单克隆抗体特异性的优势为双克隆抗体保质保量的生产带来了巨大的挑战。 双特异性抗体生产的技术障碍 双特异性抗体生产的一些技术障碍包括重链同源二聚化和轻重链错配。双特异性抗体可通过分别形成两种mAb，将它们部分还原并重组来生产，或者作为单细胞生产也称为knob-hole策略。在所有情况下，生产都需要采用先进的分析方法。如果缺少合适的软件工具，双特异性抗体生产可能会出现延误和质量问题。 复杂的生产需要先进的分析工具 在本技术简报中，我们分享了三家世界领先的公司如何使用Byos分析双抗生成的复杂数据。他们各自实现了高通量、自动化工作流程，可加快分析和报告速度，同时避免了结果中的不确定性，从而更好地为各自的工艺提供知识。 Janssen的双特异性抗体开发能力 Janssen的双特异性生产方法涉及部分还原parental mAb，这可能会导致Fab臂上的轻链发生错配。其分析策略为：生成duobodies的大片段，利用LC/MS测量质量数以寻找LC交换片段。通过Byos软件，Janssen已经实现了克隆筛选的自动化，如自动化文件加载，去卷积，峰匹配和生成报告。 Byos的Intactworkflow简化了复杂的数据分析，并提供无artifacts的去卷积。 Protein Metrics的“简约”分析可以更快速地生成更出色的数据。 Janssen自动化监测克隆筛选过程中的轻链错配，这是最有效的数据分析方法。 Genentech对双特异性变异体 和克隆的高通量筛选 Genentech通过单细胞生产和体内组装，利用knob-hole技术推动双特异性抗体的开发。Genentech使用Byos软件创建了一种高通量筛选方法，可自动执行定量和对比分析，可以快速鉴别重链同源二聚化（IgG种类）以及轻重链错配。该方法可节省90%的时间，使Genentech能够鉴别更多候选物并提高团队产出。 Genentech通过Byos软件提供报告分子复杂性所需的高通量数据分析。 高通量方法使Genentech能够快速、可靠地选择最佳克隆。 Amgen的高度自动化 双特异性克隆选择筛选 Amgen研究的异源性IgG在单个细胞系中表达时，可能产生预期之外的重组format。为实现分子设计和表达/纯化优化，Amgen使用Byos对Intact Mass进行自动去卷积，峰标识，峰定量和出具报告。Amgen现在可以自动处理大量（成百上千次）LC-MS样本，并根据检测到的质量数自动评估每个样品。 Protein Metrics的“简约”去卷积产生的artifacts更少，尤其是半质量数artifacts。 当自动鉴别预期之外的format且无artifacts时，Amgen将获益于巨大的分析效率提升。 结 论 Protein Metrics的软件使研究人员能够快速、可靠地发掘双特异性抗体的潜力。通过使用Byos自动化工作流程、强大的新算法以及直观的用户界面和报告，生物制药公司可以加速产品开发。我们还有更多的成功案例。请联系我们，讨论您的双特异性挑战。 参考文献 AnalytiX2018:双特异性抗体中抗体链重组的高度自动化分析。www.proteinmetrics.com/resources（海报与报告） 自选网络研讨会：双特异性抗体部分和糖基化的HT分析。www.proteinmetrics.com/resources（视频与教程） 关于Protein Metrics Protein Metrics LLC是一家全球领先的质谱数据解析软件供应商，公司总部位于美国加州。我们为科研和企业用户提供高效准确的一站式质谱数据解析方案，帮助用户发现、解决问题。Protein Metrics在全球范围内提供销售和支持，目前已为超过150个企业和300个科研单位提供服务。 联系我们邀约演示： 王蕾    13482181958

液相色谱-串联质谱 mRNA 序列分析工作流程的优化 前言 治疗性 mRNA 寡核苷酸必须进行结构表征，以确保其安全性和有效性。LC-MS/MS 自下而上序列分析是一种强大的解决方案，可用于评估和确认 mRNA 寡核苷酸一级结构并检测修饰。然而，该技术面临若干挑战，包括内切核糖核酸酶酶解物的形成、寡核苷酸酶解产物的分离、MS/MS 谱图的分配、异构体的区分以及高效的数据分析和报告。本研究使用一种新颖的寡核苷酸分析工作流程研究了 eGFP mRNA 序列 (RiboPro) 的一级结构。 方法 — 样品前处理 Sample Preparation ➢hRNase4 (New England Biologics) 在 U|G 和 U|A 处裂解。  ➢T4 PNK (New England Biologics) 产生均匀的羟基化 3′ 末端。  ➢在 37°C 酶解 40 分钟。  ➢将样品直接进样并在 3% B 下保持 5 分钟以脱盐。 方法 — IPRP-MS/MS IPRP-MS/MS 表1：离子对反相(IPRP) 方法摘要 …

液相色谱-串联质谱 mRNA 序列分析工作流程的优化 Read More »

Report界面简介 Protein Metrics 高准 “一千个读者眼里有一千个哈姆雷特”, 这句谚语同样适用当今的生物大分子分析结果呈现中，随着分子设计越来越复杂；不同目的的情况下，关注的内容不尽相同，固定格式的报告已经无法满足相应的需求，手动编辑报告便成了“宇宙的尽头”，令人苦不堪言。 Byos中的report编辑界面可以从一定程度上帮助用户减少这样的无效劳动，丰富的自定义功能，支持一次编辑享用整个“生命周期”，解放双手的同时，咱干点能涨“绩效”的活儿不好嘛？~ —— Protein Metrics 王蕾 摘要 Byos提供高度灵活性的报告格式，允许快速出具报告；设计针对性的报告模板，满足多样化需求；支持自定义脚本，方便个性化调整。 软件自动计算DAR值，修饰百分比等关键质量属性；可进行统计学分析，通过图表可视化呈现。分子量和肽图采用相同的归一化策略，多维度给出定量信息。 在这里，用户可以报告任何想要报告的内容。 本文主要从数据透视表的角度来介绍，包括报告排版，自定义修改，归一化以及修饰百分比。 01 报告排版 Byos的报告排版主要由两部分组成，分别是视图类型和动态列表，如图1所示： 图 1 数据透视表排版 视图类型决定数据呈现方式，Byos提供多种选择，如PCA，热图，火山图，条形图等。 动态列表给出数据细节信息，如名称，序列，分子量，保留时间等。 行字段和列字段均是从动态列表手动拖拽至此，这些数据无法进行后处理。通常行字段显示样品名，样品类型等样本信息；列字段显示蛋白质名称，翻译后修饰等变量信息。 结果与动态列表的字段信息完全一样，区别是此处数据可进行后处理，可计算平均值，相对标准偏差，P值等。 02 自定义修改 字段颜色 通常字段默认是黑色字体，红色字体表明数据被排除或者隐藏，如图2所示： 图 2 红色字段特征 复选框未勾上表明数据就被排除或隐藏。排除意味着数据不会纳入最终的计算，也不显示；隐藏表示数据已经计算，只是在当前视图不显示。 注意：如果您发现定量结果不合理或者信息展示不全，请先查看有没有红色字段。 数字格式 01 结果数字格式修改 Byos提供各种计数方法，包括数字，百分数，科学计数法等。可按照图3所示进行修改。 图 3 结果数字格式修改 02 字段数字格式修改 点击对应字段，找到数据格式，直接修改，如图4所示： 图 4 字段数字格式修改图 03 归一化 数据归一化处理得到相对含量，不同的归一化水平给出不同维度的结果。 以归一化到列为例，系统介绍如何解读相对定量结果。归一化水平取决于当前所选列数量，如图5所示： 图 5 归一化水平 …

Report界面简介 Read More »

用于多聚糖和肽图分析的自动化数据处理 利用 Byos® 提高效率与质量 特此感谢： –  Thomas Powers（辉瑞公司） –  Protein Metrics Customer Success Team（美国加利福尼州库比蒂诺） PART/1 摘要 本技术简介阐述了如何将来自不同实验的正交信息结合在一起以进行生物制剂表征 生物治疗药物管线的变化意味着拥有面向未来的 LCMS 工作流程平台非常有利 实现分析自动化可有效减轻质谱专家的工作负担，同时保持结果的一致性。 PART/2 前言 过去面临的与多聚糖和 肽图分析相关的挑战 1. 耗时：选择峰并与理论多聚糖/肽质量数匹配的过程繁琐，需要手动进行 2. 即使存在 MS/MS 数据，也难以利用。目前，主要基于 MS1 进行分析 3. 这种技术容易出现手动输入错误（例如，手动输入分子量、错误标注峰等）。 4. 峰归属未采用一致的阈值，导致不同分析人员得到的结果存在主观性 5. 难以验证数据，并且需要验证的数据量非常大 通常，当自动化作为一个课题提出时，其重点主要在于提高效率，但基于软件的自动化还能够同时改善结果的质量和一致性。 生物药物产品表征先前主要依赖于多种分析，包括肽图分析、亚基分析、游离多聚糖分析和完整分子量分析。最近，其他技术提供了对产品更全面的了解，这些技术包括序列变异体分析（SVA）、宿主细胞蛋白表征（HCP）、热点分析（Hotspot）。通过使用MAM 和其他增强表征筛选方法，质谱技术也越来越多地应用于生物工艺和配方支持。 随着分析次数的增加，越来越多的样品以及愈发复杂的分析方式有待研究。 在这种情况下，手动数据处理已经不足以满足需求，因此需要借助自动化数据处理与报告以确保效率、质量和一致性。 PART/3 实验条件 样品处理和分析 对于肽图分析，使用 Lys C 对抗体样品进行酶解，然后进行反相 HPLC-UV-MS 分析。 对于多聚糖分析，使用 PNGaseF 对抗体样品进行 …

用于多聚糖和肽图分析的自动化数据处理：利用Byos® 提高效率与质量 Read More »

宿主细胞蛋白 (HCP)分析应用文集 Protein Metrics 前言 在生物制药行业中，随着仪器和样品制备技术的不断改进，利用质谱 (MS) 发现、分析和监测宿主细胞蛋白 (HCP) 似乎是一个日益增长的趋势。本技术说明介绍了使用 Byos™（传统 Byonic™ 和 Byologic®）确定 MS/MS 数据中 HCP 的方法。本工作流程提供了聚焦于搜索 HCP 和其他类型蛋白质污染物的处理参数和报告模板。 01 配置工作流程 01 蛋白质数据库 用户提供一个 FASTA 文件，其中含有表达该蛋白的生物体的蛋白列表。例如，如果样品在中国仓鼠卵巢 (CHO) 细胞中表达，则可以使用来自“organism:Cricetulus”的蛋白质数据库。我们建议在该数据库中附加表达培养基蛋白（例如牛源性蛋白），包括纯化蛋白的序列，以及在纯化过程中使用的消化酶和其他试剂（例如蛋白 A）。 02 重复分析 如果数据包含重复项，则使用正确的“Samples Name”（或“MS Alias name”）描述可以帮助 Byos 获得统计数据，可显示在表格或条形图中。设置示例如下所示，其中，“s(…)”代表样品 (sample)，“r(…)”代表重复 (replicate)。 03 MS/MS 搜索（传统 Byonic™） Byos HCP 工作流程中的第一个处理节点是 Byonic 进行的 MS/MS 搜索。  搜索 HCP 分析的目标是尽可能地进行蛋白鉴定。HCP 分析的默认参数如下： …

宿主细胞蛋白(HCP)分析应用文集 Read More »

使用 Byos 软件的自动标记功能 提高数据审查效率 序列变异体和翻译后修饰分析 特此感谢： – Protein Metrics Research & Development and Customer Success Teams, Cupertino, CA, U.S.A 摘要 •    本文集阐述了：如何使用 Byos 软件来提高生物治疗药物表征工作中，LC-MS/MS分析数据的审查效率。 •    对于 Byos 中的序列变异体和翻译后修饰分析，我们在此展示了自动注释生成功能，进而表明了分配数据的置信水平。 •    借助这些注释，审查者可以快速列出真实的阳性结果，排除错误的数据，并将其工作重点放在需要审查的数据上。 •    此外，这些注释可以提高数据审查的一致性，因为每个项目都以相同的方式进行处理，使用自动标记来处理类似问题。 简介 近年来，数据分析在自动化方面取得了巨大进步，但有时仍然需要手动管理数据。数据审查通常比较枯燥乏味且耗时甚巨，并且可能会根据针对样本的解释引入诸多变数。为了节省时间并消除不同分析人员造成的差异，应迅速排除基于已知误读造成的错误识别。 在本文集中，我们展示了 Byos 如何根据专有的 2 个既定workflow-序列变异体分析和翻译后修饰分析而设计的决策树自动标记结果。结果标记中有任何关键问题，任何未显示问题的数据均标记为问题已清除。我们将这些标签称为“验证器”，它们可用于提高数据分析的效率。 生物治疗药物生产过程中发生的意外氨基酸置换、插入和缺失（序列变异体）可能会导致最终产品中出现杂质。序列变异体的检测和表征非常具有挑战性，因为他们通常在产品中的表达水平较低。这可能需要花费数小时的时间进行手动数据检查，从而对检测结果进行验证。使用 Byos 序列变异体验证器，可以简化排除误报和验证真实标识的过程。 此外，生物治疗产品翻译后修饰的表征对于了解其功效和稳定性至关重要。对于降解研究，例如本文集中示例的分析样品，经常要对不同应力条件下的修饰进行比较，以评估产品稳定性。在此过程中，通常会检测到氧化和脱酰胺。翻译后修饰的数据审查也可以使用 Byos 修饰验证器进行数据简化。 实验条件 对NIST Mab 的对照样品和应激样品进行还原、烷基化并用胰蛋白酶进行酶切。 Byos 包括 SVA 和 PTM 分析的workflow，并且这些workflow已经包含序列变异体分析和翻译后修饰的典型修改。 以 Byos 工作流程为基础，用户可以根据不同的需求（例如不同的仪器配置或理论的修饰类型）进行自定义设置。SVA 工作流程预先配置了单氨基酸突变/错误翻译的所有预期序列变异体。如果需要，也可以轻松添加其他修饰。 …

使用 Byos 软件的自动标记功能提高数据审查效率 Read More »

序列变异体(SVA) 分析应用指南 Protein Metrics – Customer Success Team 简介 几乎所有治疗蛋白质数据集都会包括质谱数据，其中均包括肽图分析，在一定浓度下，这些肽与数据库中对应的肽段序列对比，可能会存在实际与理论的序列不一致的情况。序列变异体可能是由宿主细胞系中的突变或错误翻译、生物反应器进料问题或正常生物噪音引起的。搜索序列变异体特别具有挑战性，因为在此过程中可能存在大量的氨基酸取代，并且许多质量增量与翻译后修饰和样品制备伪影导致的质量增量完全相同或大致相同。在本应用说明中，我们展示了如何搜索和量化生物治疗药物中的序列变异体。 序列变异体分析旨在识别和量化所有变异肽，直至所占百分比极小的“野生型”（天然或预期序列）对应物。由于治疗蛋白质的蛋白质数据库非常小，通常只有产品加上胰蛋白酶或其他消化酶和诱饵，因此 Byonic 运行时间并不是问题所在。我们也可以在几分钟内搜索所有可能的单-AA-置换肽。其挑战在于区分相对罕见的真实序列变异体和误报结果。 本技术说明介绍了如何使用 ByosTM（传统 ByonicTM 和 Byologic®）确定 MS/MS 数据中的 SV，其中还总结了最佳序列变异体 Byonic 搜索的最佳实践注意事项。请注意，搜索的质量在很大程度上取决于质谱分析的质量，因此本文中还会提到 MS 分析技巧。 摘要 执行 Byos SVA 工作流程 分析技巧 o   酶切设置 o   修饰、聚糖和输入设置 配置工作流程 检查结果 o   使用 Byos 消除明显的假阳性结果 o   检查 MS1 和 XIC o   检查 MS2 o   其他提示 生成报告 执行 Byos SVA …

序列变异体(SVA)分析应用指南 Read More »