在結構生物學與系統(tǒng)生物學快速發(fā)展的今天，科學家們不僅關注蛋白質(zhì)的序列，更迫切希望揭示其在細胞內(nèi)的三維構象和相互作用網(wǎng)絡。以往如冷凍電鏡、X射線晶體學等技術雖能提供高分辨率結構信息，但往往對樣品純度、濃度和狀態(tài)有較高要求，且難以捕獲動態(tài)或瞬時的相互作用。交聯(lián)質(zhì)譜技術的出現(xiàn)，為在接近生理條件下解析蛋白質(zhì)結構與互作提供了強有力的工具。

交聯(lián)質(zhì)譜（Cross-Linking/Mass Spectrometry, XL-MS）是一種將化學交聯(lián)劑與質(zhì)譜技術相結合的方法，能夠在天然或近天然狀態(tài)下捕捉蛋白質(zhì)內(nèi)部或蛋白質(zhì)之間的空間鄰近關系。交聯(lián)劑如同“分子尺”，通過共價連接空間距離內(nèi)的氨基酸殘基（如賴氨酸），形成交聯(lián)肽段。經(jīng)過酶切、質(zhì)譜檢測與數(shù)據(jù)分析，這些交聯(lián)信息可轉化為距離約束，用于構建蛋白質(zhì)的三維模型或繪制蛋白質(zhì)相互作用圖譜。

與傳統(tǒng)方法相比，XL-MS 具有樣品用量少、適用體系廣（從單一蛋白到全細胞裂解液）、可捕捉動態(tài)構象變化等優(yōu)勢，已成為整合結構生物學中不可或缺的工具。

圖1. 蛋白交聯(lián)質(zhì)譜分析流程

在 XL-MS 實驗中，真正的交聯(lián)肽段僅占肽段總數(shù)的極少部分，大量未修飾肽段和單聯(lián)肽段（僅一端連接交聯(lián)劑）會嚴重干擾檢測。如何在高背景下精準識別目標信號，一直是該領域的技術難點。

布魯克 timsTOF 質(zhì)譜系統(tǒng)集成了捕集離子淌度技術，能夠在氣相維度根據(jù)離子的碰撞截面積（CCS）進行分離?；诖?/span>，Scheltema 等人創(chuàng)新性地提出了 caps-PASEF —— 一種基于碰撞截面積輔助的前體離子選擇策略。

圖2.TIMS技術分離交聯(lián)肽段和單聯(lián)肽段

caps-PASEF 的基本原理是：交聯(lián)肽段與單聯(lián)肽段在 CCS 和 m/z 兩個維度中分布不同。通過定義 CCS–m/z 多邊形區(qū)域，系統(tǒng)可在采集時實時篩選出可能為交聯(lián)肽段的離子進行碎裂，從而大幅提高有效譜圖的采集效率與鑒定深度。

研究對多種交聯(lián)劑進行了系統(tǒng)評估：尿素類可裂解交聯(lián)劑，如 DSBU、DSPU、DSAU。研究發(fā)現(xiàn)，具有更長連接臂的 DSBU 由于能捕獲更廣泛的空間距離，通常能獲得最多的交聯(lián)位點鑒定數(shù)。例如在牛血清白蛋白實驗中，DSBU 鑒定到的唯一交聯(lián)位點是 DSAU 的 4-8 倍。磷酸基團可富集交聯(lián)劑：如 PhoX。該交聯(lián)劑本身就帶有富集標簽，再結合 caps-PASEF 的氣相篩選，形成了“化學富集 + 物理篩選”的雙重凈化策略，能將分析目標極致聚焦于真實的蛋白質(zhì)相互作用信息上。在 PhoX 交聯(lián)劑富集的樣本中可排除 50-70% 的單聯(lián)肽段干擾，交聯(lián)肽段鑒定數(shù)量提升約 10-20%，尤其在中高等復雜度樣本中表現(xiàn)優(yōu)異。無論是搭配可裂解還是不可裂解的交聯(lián)劑，caps-PASEF 作為一種采集方法，都能有效工作。其關鍵在于識別目標離子在淌度上的共性，而非依賴特定的碎裂方式。

圖3. caps-PASEF 策略應用于完整細胞裂解液（HeLa lysate）時的全面表現(xiàn)

結合交聯(lián)質(zhì)譜（XL-MS）與離子淌度的方法，可有效區(qū)分交聯(lián)肽段與非交聯(lián)肽段。為了驗證該方法解析大型、高復雜度蛋白質(zhì)的能力，研究者選擇了結構清晰的大腸桿菌核糖體作為“標尺”，四次獨立的技術重復合并以后成功鑒定出 670 個唯一交聯(lián)位點。通過離子淌度輔助采集與數(shù)據(jù)分析，這些位點被清晰地分類與定位，完美地區(qū)分出了核糖體亞基內(nèi)部的連接與不同亞基之間的連接。

圖4.大腸桿菌核糖體的交聯(lián)實驗鑒定結果

通過結合 SEC 預分級與高效的離子淌度采集，HEK293T 細胞核裂解液鑒定出 1623 個唯一交聯(lián)位點，對應 1088 個分子內(nèi)和 535 個分子間相互作用，最終解析出 564 個獨特的蛋白質(zhì)-蛋白質(zhì)相互作用網(wǎng)絡。該研究證明了 XL-MS 與離子淌度聯(lián)用的強大能力，不僅可用于解析單個蛋白質(zhì)的三維結構，更適用于在系統(tǒng)水平上大規(guī)模繪制蛋白質(zhì)相互作用圖譜。

圖5. SEC預分級策略實現(xiàn)核裂解液交聯(lián)深度分析

即使通過 caps-PASEF 獲得了更“干凈”的靶向譜圖，如何從海量數(shù)據(jù)中準確、高效地鑒定出真正的交聯(lián)肽段，仍是一個巨大的算法挑戰(zhàn)。搜索空間呈平方級增長、碎片離子分布不均、譜圖解析復雜等問題，都要求一個更強大的計算工具。為此，馬克斯·普朗克生物化學研究所的 Jürgen Cox 團隊（MaxQuant 的創(chuàng)始團隊）推出了全新模塊 MaxLynx。作為 MaxQuant 軟件生態(tài)的一部分，它是一個高度集成、免費使用的專業(yè)模塊。用戶可以在熟悉的 MaxQuant 界面中直接啟用 XL-MS 分析流程，實現(xiàn)從原始數(shù)據(jù)到交聯(lián)鑒定結果的一站式、自動化處理。

研究團隊基于合成肽段和真實復雜樣本，將 MaxLynx 與多款主流交聯(lián)鑒定軟件（如 OpenPepXL, pLink2, Xi, Kojak 等）進行了全面對比。結果顯示，在嚴格控制 1% 錯誤發(fā)現(xiàn)率的同等條件下，在合成肽段標準庫中使用非裂解型交聯(lián)劑（DSS），MaxLynx 鑒定出的正確交聯(lián)肽段譜圖匹配數(shù)和唯一交聯(lián)位點數(shù)均顯著領先，部分數(shù)據(jù)甚至達到其他軟件的 2-4 倍。

圖6. MaxLynx 與非裂解型交聯(lián)劑分析軟件在合成數(shù)據(jù)集上的性能對比

可以說，caps-PASEF 實現(xiàn)了“聰明地采集”，而 MaxLynx 則確保了“準確地解讀”。兩者的結合，為 timsTOF 平臺上的交聯(lián)蛋白質(zhì)組學研究提供了一套從儀器方法到數(shù)據(jù)分析的完整、高效且強大的解決方案。

caps-PASEF 與 timsTOF 質(zhì)譜儀、MaxLynx 的聯(lián)合應用，構成了從靶向采集到智能解析的一體化工作流程。這一技術組合能夠?qū)崿F(xiàn)從單一蛋白到全細胞裂解液等不同復雜度樣本的高效交聯(lián)分析，并通過離子淌度篩選與高精度算法確保鑒定結果兼具深度與可靠性。caps-PASEF 不僅是離子淌度與交聯(lián)質(zhì)譜技術結合的典范，更是布魯克 timsTOF 質(zhì)譜儀在結構蛋白質(zhì)組學領域功能深化的重要標志。配合 MaxLynx 等先進算法工具，研究人員能夠在更短的時間內(nèi)獲得更深、更準的交聯(lián)數(shù)據(jù)，從而推動從靜態(tài)結構到動態(tài)網(wǎng)絡的多維度生命科學研究。無論是基礎科研還是藥物發(fā)現(xiàn)，這一技術組合正成為揭示蛋白質(zhì)三維密碼的利器。

參考文獻

• Yu, C., & Huang, L. (2018). Cross-Linking Mass Spectrometry (XL-MS): an Emerging Technology for Interactomics and Structural Biology. Analytical Chemistry, 90(1), 144–165. https://doi.org/10.1021/acs.analchem.7b04431

• Y?lmaz, ?., Busch, F., Nagaraj, N., & Cox, J. (2022). Accurate and automated high-coverage identification of chemically cross-linked peptides with MaxLynx. Analytical Chemistry, 94(14), 5550–5559. https://doi.org/10.1021/acs.analchem.1c03688

• Ihling, C.H., Piersimoni, L., Kipping, M., & Sinz, A. (2021). Cross-linking/mass spectrometry combined with ion mobility on a timsTOF Pro instrument for structural proteomics. Analytical Chemistry, 93(30), 11442–11450. https://doi.org/10.1021/acs.analchem.1c01317

• Steigenberger, B., van den Toorn, H.W.P., Bijl, E., Greisch, J.-F., R?ther, O., Lubeck, M., Pieters, R.J., Heck, A.J.R., & Scheltema, R.A. (2020). Benefits of collisional cross section assisted precursor selection (caps-PASEF) for cross-linking mass spectrometry. Molecular & Cellular Proteomics, 19(10), 1677–1687. https://doi.org/10.1074/mcp.RA120.002094