Dokument 2.pdf - OPUS-Datenbank - Universität Hohenheim
Dokument 2.pdf - OPUS-Datenbank - Universität Hohenheim
Dokument 2.pdf - OPUS-Datenbank - Universität Hohenheim
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
4.5 Massenspektrometrie<br />
Image vereint und mögliche Kontaminationen durch Hintergrundionen mit Hilfe von<br />
Filterkriterien von der weiteren Analyse ausgeschlossen. Für die folgende Normalisierung<br />
wurden nur Features berücksichtigt, welche einen m/z-Wert zwischen 250 und<br />
1.800 aufwiesen und 2-, 3- oder 4-fach positiv geladen waren. Zudem wurden nur Features<br />
in die Analyse einbezogen, welche während des Gradienten und nicht während<br />
des Spülschritts eluierten (s. UPLC-Methode, Tabelle 4.12).<br />
Im Anschluss wurden alle LC-MS-Läufe mit Hilfe des ausgewählten Referenzlaufes normalisiert.<br />
Dieser Schritt war mit der Normalisierung im Rahmen der 2D-DIGE-Analyse<br />
identisch (s. Abschnitt 4.4.3). Da im Gegensatz zu einer 2D-DIGE-Analyse kein interner<br />
Standard vorhanden war, wurden die Features der verschiedenen LC-MS-Läufe in<br />
Relation zu Features der für das Alignment ausgewählten Referenz normalisiert. Im<br />
Detail ist dieses Verfahren auf der Seite des Herstellers (http://www.nonlinear.com)<br />
beschrieben.<br />
Im Anschluss an die Normalisierung wurden die LC-MS-Läufe der biologischen Replikate<br />
eines Zustands (z.B. Glucose) gruppiert und für jedes Feature dessen Regulationsfaktor<br />
zwischen den untersuchten Zuständen berechnet. Darüber hinaus wurde für<br />
jedes Feature analog zum Verfahren in der 2D-DIGE-Analyse, ein p-Wert mit Hilfe<br />
einer Varianzanalyse (One Way ANOVA) bestimmt. In einem nächsten Schritt wurden<br />
vorhandene MS/MS-Daten für die <strong>Datenbank</strong>suche in einen Mascot Generic File<br />
(.mgf) exportiert und wie in Abschnitt 4.5.4 beschrieben eine <strong>Datenbank</strong>suche mit den<br />
Suchalgorithmen Mascot und X!Tandem durchgeführt. Nach erfolgter Validierung der<br />
Suchergebnisse mittels der Software Scaffold (s. Abschnitt 4.5.4) wurden diese in Form<br />
einer „Tab Delimited Textfile“ wieder in die Progenesis LC-MS Software importiert.<br />
Durch die Identifizierungen konnten die einzelnen Features nun verschiedenen Peptiden<br />
und damit Proteinen zugeordnet werden. Die Berechnung der Regulation und des<br />
p-Wertes der einzelnen Proteine erfolgte analog zur Berechnung auf Peptidebene. Proteine<br />
wurden als reguliert betrachtet, wenn sie mindestens 2-fach reguliert waren und<br />
einen p-Wert < 0,05 aufwiesen. Die angelegten Kriterien für die Identifizierung eines<br />
Peptids bzw. Proteins sind in Abschnitt 4.5.4 dargelegt.<br />
4.5.3.2 Quantitative Analyse der 1D-Gel-Fraktionierungsdaten<br />
Die in Abschnitt 4.3.4 erzeugten Proben wurden wie in 4.4.1 beschrieben über eine<br />
1D-SDS-PAGE aufgetrennt und in zehn Fraktionen unterteilt. Da pro Zustand drei<br />
biologische Replikate analysiert wurden, bestand jeder Versuch aus 60 einzelnen Fraktionen.<br />
Diese wurden verdaut (s. Abschnitt 4.5.1) und wie in Abschnitt 4.5.3 beschrieben<br />
mittels LC-ESI-MS/MS analysiert. Die quantitative Auswertung erfolgte mit der<br />
Software Progenesis LC-MS. Dabei glich der Ablauf in weiten Teilen dem in Abschnitt<br />
63