Glycan analysis by isobaric aldehyde reactive tags and mass spectrometry.
Glycan analysis by isobaric aldehyde reactive tags and mass spectrometry.
复制标题
DOI：
10.1021/ac401226d
复制
发表时间：
2013-09-03
影响因子：
7.4
通讯作者：
Zhang, Hui
中科院分区：
文献类型：
--
作者：
Yang, Shuang;Yuan, Wei;Yang, Weiming;Zhou, Jianying;Harlan, Robert;Edwards, James;Li, Shuwei;Zhang, Hui
聚糖在生理和病理过程中发挥着重要作用。因此，对正常和疾病标本中的聚糖进行定量分析可以深入了解疾病的发病和进展。相对聚糖定量通常需要使用用于光学测量的显色或荧光标签或用于质谱分析的同位素标签来修饰聚糖。由于质谱 (MS) 仪器在分辨率、灵敏度和速度方面的快速进步，基于 MS 的方法在过去十年中在聚糖分析中变得越来越流行。然而，目前用于聚糖标记的同位素标签大多是质量转移标签，在前体离子中产生质量差异以进行定量，这会使质谱变得复杂。在这项研究中，我们报告了使用串联质谱进行聚糖定量的同量醛反应标签 (iART) 的合成和表征。我们应用 iART 对 gp120（人类免疫缺陷病毒的一种糖蛋白）聚糖进行相对鉴定和定量。结果表明，iART 为聚糖识别提供了强信号。虽然我们只展示了两种 iART 试剂的合成和表征，但 iART 可以轻松扩展到六重标签，以同时对六个样品进行定量分析。
Glycans play significant roles in physiological and pathological processes. Therefore, quantitative analysis of glycans from normal and disease specimens can provide insight into disease onset and progression. Relative glycan quantification usually requires modification of the glycans with either chromogenic or fluorogenic tags for optical measurement or isotopic tags for mass spectrometric analysis. Due to rapid advances in mass spectrometry (MS) instruments in resolution, sensitivity and speed, MS-based methods have become increasingly popular for glycan analysis in the past decade. However, current isotopic tags for glycan labeling are mostly mass-shift tags generating mass differences in precursor ions for quantification, which can complicate mass spectra. In this study, we report the synthesis and characterization of isobaric aldehyde reactive tags (iARTs) for glycan quantification using tandem MS. We applied iARTs to the relative identification and quantification of glycans of gp120, a glycoprotein from human immunodeficiency virus. The results show that iARTs provide strong signals for glycan identification. Although we only show the synthesis and characterization of two iARTs reagents, iARTs can be readily expanded to six-plex tags for quantitative analysis of six samples concurrently.
登录
查看更多内容
影响因子：
2.9
作者：
DUA, VK;BUSH, CA
通讯作者：
BUSH, CA
影响因子：
7.4
作者：
Chen, Zhen;Wang, Quanhui;Liu, Siqi
通讯作者：
Liu, Siqi
影响因子：
4.3
作者：
Alvarez-Manilla, Gerardo;Warren, Nicole Lynn;Orlando, Ron
通讯作者：
Orlando, Ron
影响因子：
4.9
作者：
Bereman, Michael S.;Comins, Daniel L.;Muddiman, David C.
通讯作者：
Muddiman, David C.
影响因子：
7.4
作者：
Gil, Geun-Cheol;Iliff, Bryce;Cerny, Ron;Velander, William H.;Van Cottt, Kevin E.
通讯作者：
Van Cottt, Kevin E.