Relative und absolute Proteinquantifizierung in Bakterien
Transcript of Relative und absolute Proteinquantifizierung in Bakterien
Relative und absolute Proteinquantifizierung
in Bakterien
Inauguraldissertation
zur
Erlangung des akademischen Grades
doctor rerum naturalium (Dr. rer. nat.)
der
Mathematisch-Naturwissenschaftlichen Fakultät
der
Ernst-Moritz-Arndt-Universität Greifswald
vorgelegt von
Sandra Maaß
geboren am 14.05.1983
in Görlitz
Greifswald, den 23.01.2014
Dekan: Prof. Dr. Klaus Fesser (Universität Greifswald)
1. Gutachter: Prof. Dr. Dörte Becher (Universität Greifswald)
2. Gutachter: Prof. Dr. Andreas Tholey (Universität Kiel)
Tag der Promotion: 09.05.2014
“All das Zählen und Sortieren scheint der einzige Weg zu sein, um endlich die Frage zu
beantworten, deren Wichtigkeit gar nicht überschätzt werden kann.“
Gregor Mendel
Inhaltsverzeichnis
Inhaltsverzeichnis
Inhaltsverzeichnis ....................................................................................................................... 5
Abkürzungsverzeichnis ............................................................................................................ 11
Zusammenfassung .................................................................................................................... 13
1 Einleitung ........................................................................................................................ 17
1.1 Proteine - Funktionelle Grundbausteine der Zelle ........................................................... 17
1.2 Proteomanalyse durch 2D PAGE ..................................................................................... 18
1.3 Proteomanalyse durch Massenspektrometrie ................................................................... 19
1.4 Proteinquantifizierung ...................................................................................................... 21
1.5 Relative Proteinquantifizierung........................................................................................ 22
1.5.1 Relative Proteinquantifizierung durch 2D PAGE ........................................................22
1.5.2 Gelfreie relative Proteinquantifizierung durch Markierung von Peptiden ..................23
1.5.3 Gelfreie relative Proteinquantifizierung durch Spectral Counting ..............................24
1.6 Absolute Proteinquantifizierung ...................................................................................... 25
1.6.1 Ziele der absoluten Proteinquantifizierung ..................................................................25
1.6.2 Methoden zur absoluten Quantifizierung ....................................................................26
1.7 Umfassende absolute Proteinquantifizierung ................................................................... 28
1.8 Zielstellung der Arbeit ..................................................................................................... 31
2 Material und Methoden ................................................................................................. 32
2.1 Bakterienstämme .............................................................................................................. 32
Inhaltsverzeichnis
2.2 Wasser .............................................................................................................................. 32
2.3 Chemikalien ..................................................................................................................... 32
2.4 Medien.............................................................................................................................. 34
2.4.1 LB-Medium .................................................................................................................34
2.4.2 Minimalmedium für die Batchfermentation ................................................................34
2.4.3 M9-Minimalmedium für Hungerexperimente .............................................................36
2.4.4 Belitzky-Minimalmedium für Hitzestressexperimente ................................................37
2.5 Verbrauchsmaterialien ..................................................................................................... 38
2.6 Geräte ............................................................................................................................... 38
2.7 Computerprogramme ....................................................................................................... 39
2.8 Methoden zum Arbeiten mit bakteriellen Zellen ............................................................. 40
2.8.1 Stammhaltung ..............................................................................................................40
2.8.2 Zellkultivierung und Probennahme .............................................................................40
2.8.3 Zellaufschluss ..............................................................................................................42
2.8.4 Bestimmung der Zellgröße ..........................................................................................43
2.9 Methoden zur Proteinanalyse ........................................................................................... 43
2.9.1 Gewinnung von Proteinextrakten ................................................................................43
2.9.2 Proteinbestimmung ......................................................................................................44
2.9.3 Eindimensionale Gelelektrophorese (1D PAGE) ........................................................45
2.9.4 Quantitative Western Blots ..........................................................................................47
2.9.5 Zweidimensionale Gelelektrophorese (2D PAGE) ......................................................48
2.9.6 Massenspektrometrische Analysen ..............................................................................52
Inhaltsverzeichnis
3 Ergebnisse und Diskussion............................................................................................. 60
3.1 Gelfreie relative Proteinquantifizierung durch Spectral Counting .................................. 60
3.2 Optimierung der Probenvorbereitung für die absolute Proteinquantifizierung ................ 60
3.3 Umfassende absolute Quantifizierung durch Kalibration von 2D Gelen ......................... 63
3.3.1 Gelbasierte absolute Quantifizierung zur Untersuchung der generellen
Stressantwort in Bacillus subtilis .................................................................................73
3.3.2 Gelbasierte absolute Quantifizierung zur Untersuchung der spezifischen
Glukosehungerantwort in Bacillus subtilis ..................................................................81
3.3.3 Gelbasierte absolute Quantifizierung zur Untersuchung der spezifischen
Hitzestressantwort in Bacillus subtilis .........................................................................88
3.4 Umfassende absolute Quantifizierung mittels MSE ......................................................... 95
3.5 Zusammenfassung und Ausblick ..................................................................................... 97
4 Quellenangaben .............................................................................................................. 99
5 Publikationsliste ............................................................................................................ 114
5.1 Originalarbeiten und Beiträge der Autoren .................................................................... 114
5.2 Poster .............................................................................................................................. 116
5.3 Vorträge auf internationalen Tagungen.......................................................................... 116
Anhang ..................................................................................................................................... 117
Abkürzungsverzeichnis
Abkürzungsverzeichnis
Folgende Abkürzungen finden im einleitenden Teil dieser Arbeit häufige Verwendung:
2D zweidimensional, analog 1D für eindimensional
APS Ammoniumperoxodisulfat
ATP Adenosintriphosphat
B. subtilis Bacillus subtilis
B. pertussis Bordetella pertussis
CID collision-induced dissociation, kollisionsinduzierte Dissoziation
DNA deoxyribonucleic acid, Desoxyribonukleinsäure
DTT Dithiothreitol
E. coli Escherichia coli
EDTA Ethylendiamintetraessigsäure
ESI Elektrosprayionisation
GRAVY grand average of hydropathicity, Maß für die Löslichkeit eines Proteins
GTP Guanosintriphosphat
HPE High Performance Electrophoresis, Hochleistungselektrophorese
IEF isoelektrische Fokussierung
IPG immobilisierter pH-Gradient
LC liquid chromatography, Flüssigkeitschromatographie
MALDI matrix-assisted laser desorption ionisation, matrix-unterstützte
Laserdesorptionsionisation
MS Massenspektrometrie
MS/MS das Erzeugen von Fragmentionenspektren für die Proteinidentifizierung
NAD+/NADH oxidierte/ reduzierte Form von Nicotinamidadenindinukleotid
NADP+/NADPH oxidierte/ reduzierte Form von Nicotinamidadenindinukleotid-phosphat
OD optische Dichte
PAGE Polyacrylamidgelelektrophorese
ppGpp Guanosin-3′,5′-bispyrophosphat
PTS Phosphotransferase System
Q1, Q2, Q3 Quadrupole in einem Triple-Quadrupol-Massenspektrometer
RNA ribonucleic acid, Ribonukleinsäure
RSC relative Spectral Counts
S. aureus Staphylococcus aureus
Abkürzungsverzeichnis
S. cerevisiae Saccharomyces cerevisiae
SDS sodium dodecyl sulfate, Natriumdodecylsulfat
SRM Selected Reaction Monitoring, Messung ausgewählter Reaktionen
TEMED Tetramethylethylendiamin
TOF time of flight, Flugzeit
Zusammenfassung
13
Zusammenfassung
Das Ziel dieser Arbeit war die Entwicklung und Etablierung von Methoden zur absoluten und
relativen Proteinquantifizierung. In darauf aufbauenden Studien sollten diese Methoden für die
Untersuchung physiologisch relevanter Fragestellungen in Bakterien genutzt werden.
Im Gegensatz zum statischen Genom ist das Proteom eines Organismus stark reguliert und dessen
Zusammensetzung je nach vorherrschender Umweltbedingung sehr variabel. Dabei ist es für die
Zelle entscheidend, welche Proteine an welcher Stelle in der Zelle in welchen Mengen vorliegen.
Zum tieferen Verständnis der Bakterienphysiologie ist es deshalb unabdingbar,
Mengenänderungen von Proteinen hochaufgelöst darstellen zu können. Relative
Proteinquantifizierung erlaubt dabei die Untersuchung von Änderungen der Menge eines Proteins
zwischen verschiedenen Proben eines Experiments. Im Rahmen der hier vorgelegten Arbeit
wurden 2D PAGE und gelfreie massenspektrometrische Methoden in einer Studie (Tefon et al.
2011, Artikel I) angewendet, um Oberflächen- und Immunoproteine zweier Vakzinationsstämme
des humanpathogenen Bakteriums Bordetella pertussis zu charakterisieren. Dabei konnten 226
Proteine gelfrei identifiziert werden, 45 weitere Proteine wurden mit Hilfe des 2D Gels
identifiziert. Spectral Counting erlaubte die Quantifizierung von 16 in den unterschiedlichen
Stämmen differentiell exprimierten Proteinen, von denen bisher nur einige als Virulenzfaktoren
beschrieben waren.
Die relative Proteinquantifizierung erlaubt zwar Rückschlüsse auf die Mengenänderung eines
Proteins zwischen verschiedenen Bedingungen, ermöglicht aber nur bedingt Aussagen über die
absolute Menge der Proteine. Gerade absolute Proteinmengen und damit Proteinkonzentrationen
sind jedoch Grundvoraussetzung für ein zielorientiertes Verwenden der gewonnenen Daten nicht
nur im Kontext der Systembiologie. Die bestimmten Proteinmengen erlauben Rückschlüsse auf
Stöchiometrien innerhalb verschiedener Proteinkomplexe und auf das Zusammenspiel von
Proteinen innerhalb eines metabolischen oder regulatorischen Netzwerkes. Außerdem sind diese
Zusammenfassung
14
Daten unerlässlich für ein erfolgreiches bioinformatisches Modellieren physiologischer
Zusammenhänge. Die so erstellten Modelle können zur Ableitung neuer Fragestellungen und
regulatorischer Beziehungen innerhalb der Bakterienphysiologie führen und so den Weg zu neuen
Erkenntnissen in der Biologie ebnen.
Im Rahmen dieser Arbeit wurde eine Methode entwickelt, in der durch Kombination zweier
etablierter Proteomik-Methoden die absolute Quantifizierung für einen großen Teil der
cytosolischen Proteine eines Organismus ermöglicht wird. In dieser Methode werden ausgewählte
Proteine, deren genaue Konzentration durch gerichtete Massenspektrometrie bestimmt wurde, für
die Kalibration von hoch auflösenden 2D Gelen genutzt (Maass et al. 2011, Artikel II). Um das
Potential dieses Verfahrens zu verdeutlichen, wurde es für die Analyse der Anpassung von
Bacillus subtilis und Staphylococcus aureus an Glukosehunger angewendet. Dabei konnten für
467 Proteine von B. subtilis in drei Zeitpunkten Proteinkonzentrationen bestimmt werden. Für die
Etablierung der Methoden waren verschiedene Vorarbeiten nötig: I) Selektion geeigneter
Kalibrationsproteine, II) Selektion geeigneter Standardpeptide und Optimierung der
massenspektrometrischen Parameter zu deren absoluten Quantifizierung, III) Selektion eines
geeigneten, proteinunspezifischen und hoch sensitiven Gelfarbstoffes, IV) Testung verschiedener
Zellaufschlussmethoden und Etablierung einer Methode zur Bestimmung der
Zellaufschlusseffizienz, V) Testung verschiedener Proteinbestimmungsmethoden zur genauen
Bestimmung der Gesamtproteinkonzentration im komplexen cytosolischen Extrakt und VI)
Optimierung der vollständigen enzymatischen Spaltung aller Proteine vor der
massenspektrometrischen Analyse.
Zur Überprüfung des Grades der Genauigkeit der neu entwickelten Methode zur absoluten
Proteinquantifizierung wurde die Bootstrap-Technik angewendet. Die unabhängige
Quantifizierung metabolischer Enzyme mittels der QCat-Technik und der Vergleich mit Daten,
die durch quantitative Western Blots generiert wurden, erlaubte die Bestimmung der Exaktheit der
Methode. Weitere Beweise für die Funktionalität des neuen Verfahrens lieferte die Analyse der
dynamischen Änderung des Proteinmusters in glukosehungernden Zellen von B. subtilis und
Zusammenfassung
15
S. aureus. Auch bekannte stöchiometrische Verhältnisse innerhalb von Proteinkomplexen dienten
als Anhaltspunkte für die Genauigkeit der neuen Methode.
Im Rahmen dieser Arbeit konnte außerdem gezeigt werden, dass sich die Kalibration der 2D Gele
für die Ermittlung absoluter Daten zwischen Gelen übertragen lässt, was den Aufwand für große
Zeitreihenexperimente deutlich reduziert.
Die Genauigkeit und der dynamische Bereich 2D-gelbasierter relativer und absoluter
Proteinquantifizierung kann durch eine erhöhte Reproduzierbarkeit, Auflösung und Sensitivität
der Gele verbessert werden. Die Etablierung von HPE-Gelen führte zu 25 % mehr detektierbaren
und damit quantifizierbaren Proteinspots und Proteinen bei deutlich erhöhter Reproduzierbarkeit
(Moche et al. 2013, Artikel III). Die zusätzlich höhere Anzahl von Gelen mit quantifizierbarer
Qualität verringert außerdem den Zeit- und Kostenaufwand vor allem für komplexe
experimentelle Ansätze.
Die neue Methode zur gelbasierten absoluten Proteinquantifizierung wurde in einer Folgestudie
angewendet, um die Konzentrationen von mehr als 700 Proteinen von B. subtilis während der
physiologisch relevanten Anpassung an verschiedene Stressbedingungen, nämlich Glukosehunger
und Hitzestress, zu bestimmen (Maaß et al. 2014, Artikel IV). Der Vergleich der beiden
Stressbedingungen ermöglicht eine Unterscheidung der generellen von der spezifischen
Stressantwort, wobei die Analyse der Daten durch Berechnung der Proteinkosten und der
Ressourcenverteilung auf verschiedene metabolische Pfade und regulatorische Einheiten
unterstützt wurde. Innerhalb dieser Studie konnten Stöchiometrien glykolytischer Enzyme und der
Kernenzyme des Zitronensäurezyklus bestimmt werden. Unterschiedliche Abundanzen der
verschiedenen Enzyme eines metabolischen Weges deuten dabei auf zusätzliche Funktionen oder
abweichende Enzymaktivität einzelner Enzyme hin. Auch die generelle Stressantwort scheint
abhängig vom Stressfaktor unterschiedlich ausgeprägt zu sein. Während unter Glukosehunger die
Stringent Response die Anpassung des Proteinmusters beherrscht, wird die Hitzeantwort
hauptsächlich durch den alternativen Sigmafaktor σB gesteuert. Obwohl σB-abhängige Proteine
auch während des Glukosehungers transient induziert werden, werden sie nicht signifikant
Zusammenfassung
16
akkumuliert. Im Gegensatz dazu ist nach Hitze eine Anreicherung dieser Proteine deutlich
messbar.
Da die Nutzung von 2D PAGE zur Proteinquantifizierung auf im Gel detektierbare Proteine
beschränkt ist, ist es für eine höhere Proteomabdeckung sinnvoll, gelbasierte Methoden mit
gelfreien Methoden zu ergänzen. Deshalb wurde eine Methode zur labelfreien MS-basierten
absoluten Quantifizierung von Proteinen im großen Maßstab entwickelt und etabliert. In dieser
gel- und labelfreien Quantifizierungstechnik wurde datenunabhängige, parallele Fragmentierung
aller zeitgleich eluierenden Vorläufermoleküle (LC-MSE) genutzt. Auch für diese Methode der
absoluten Proteinquantifizierung bildeten die im Rahmen dieser Arbeit entwickelten
Probenaufbereitungsverfahren die Grundlage (Muntel et al. 2014, Artikel V). Die Überprüfung
der Genauigkeit der Methode erfolgte durch unabhängige parallele absolute Quantifizierung
ausgewählter Proteine mit der AQUA-Methode.
In B. subtilis konnten so für 1.250 cytosolische Proteine unter zwei verschiedenen metabolischen
Bedingungen die absoluten Proteinmengen ermittelt werden. Diese erlaubten nicht nur die
Validierung der Anpassung der Proteinmenge durch bekannte regulatorische Netzwerke, sondern
auch die Berechnung der „Kosten“ für die Proteinsynthese in zellulären Prozessen und die
Analyse der Ressourcennutzung während der Adaptation an veränderte Umweltbedingungen.
Zusammenfassend wurden in dieser Arbeit die Grundsteine für verschiedene gelbasierte und
gelfreie Methoden zur absoluten Proteinquantifizierung gelegt. Dabei wurden die Verfahren zur
Probenaufarbeitung für eine umfangreiche absolute Proteinquantifizierung entwickelt, optimiert
und etabliert. Darüber hinaus wurde eine Methode zur gelbasierten absoluten
Proteinquantifizierung entwickelt und verifiziert, die Anwendung bei der Untersuchung
physiologisch relevanter Stresssysteme fand. Durch die entwickelten Methoden können nun
qualitativ hochwertige Daten generiert werden, die für eine systembiologische Verwendung
geeignet sind. Schon jetzt ermöglichen die bestimmten Proteinkonzentrationen die Berechnung
von Proteinkosten und die Analyse der Verteilung und Nutzung zellulärer Ressourcen und
erlauben so einen neuen, tieferen Einblick in die Physiologie von Bakterien.
Einleitung
17
1 Einleitung
1.1 Proteine - Funktionelle Grundbausteine der Zelle
Alle biologischen Systeme sind durch das Zusammenspiel von DNA, RNA, Proteinen und
Metaboliten charakterisiert. Im Gegensatz zum statischen Genom, der Gesamtheit aller Gene eines
Organismus, kann sich die Zusammensetzung des Proteingemisches einer Zelle unter
verschiedenen Umweltbedingungen ändern.
Die Erforschung von Proteinen begann im Wesentlichen 1975 mit der Einführung der
zweidimensionalen Polyacrylamidgelelektrophorese (2D PAGE) (O’Farrell 1975; Klose 1975).
Zu dieser Zeit war die Zuordnung von Spots zu den entsprechenden Proteinen eines Organismus
nur durch N-terminale Proteinsequenzierung möglich (Edman et al. 1950; Niall 1973). Ein
deutlicher Fortschritt wurde durch die Verfügbarkeit milder Ionisierungsmethoden zur
massenspektrometrischen Identifizierung von Proteinen (Karas und Hillenkamp 1988; Hillenkamp
et al. 1991) und der Verfügbarkeit vollständiger Genomsequenzen erreicht (Fleischmann et al.
1995; Kunst et al. 1997; Venter et al. 2001). Der Ausdruck „Proteom“ für die Gesamtheit der
Proteine eines Organismus wurde 1995 etabliert (Wasinger et al. 1995; Wilkins et al. 1996).
Die Anzahl der Proteinspezies eines Proteoms kann aufgrund von posttranslationalen
Modifikationen oder alternativem Spleißen die Anzahl der Gene eines Genoms übersteigen.
Solche modifizierten und differentiell exprimierten Proteine bilden zusammen mit den
sogenannten Housekeeping-Proteinen die Grundlage für das Überleben der Zelle unter
veränderten Umweltbedingungen, da sie den Bauplan des Genoms in zelluläre Funktionen
übersetzen.
Das anfängliche Ziel der Proteomforschung war die Identifizierung und der damit verbundene
Nachweis der Expression möglichst vieler Proteine. Mittlerweile stehen aber deren Sequenz,
Struktur und Lokalisation genauso im Fokus wie ihre Modifikation, Synthese, Stabilität und
Einleitung
18
Aktivität. Von besonderem Interesse ist dabei, vor allem bei zeitaufgelösten Analysen und im
Kontext der Systembiologie, die Quantifizierung von Proteinen.
1.2 Proteomanalyse durch 2D PAGE
Das Prinzip der zweidimensionalen Polyacrylamidgelelektrophorese (2D PAGE) basiert auf der
Trennung eines Proteingemisches in Abhängigkeit vom isoelektrischen Punkt (pI) (1. Dimension)
und Molekulargewicht (2. Dimension) der darin enthaltenen Proteine. Dafür wird die Probe in der
ersten Dimension denaturiert, disaggregiert, reduziert und gelöst bevor die isoelektrische
Fokussierung (IEF) durchgeführt wird. Anschließend erfolgt die Trennung der Proteine in der
zweiten Dimension im Polyacrylamidgel. Durch Fixierung und anschließender Färbung mit einem
geeigneten Farbstoff werden die getrennten Proteine, die nun in Spots vorliegen, sichtbar
gemacht. Die qualitative und quantitative Auswertung der Gelbilder erfolgt computergestützt mit
Hilfe spezieller Computerprogramme. Parallel dazu kann Peptide Mass Fingerprinting
(PMF) (Pappin et al. 1993) mittels Matrix-unterstützter Laserdesorptionsionisations-
Massenspektrometrie (MALDI-MS) zur Identifizierung der einzelnen Proteinspots genutzt
werden.
Theoretisch eignen sich traditionelle, vertikale 2D Gele für Proteine mit einem Molekulargewicht
zwischen 10 und 150 kDa und einem GRAVY-Index von unter 0,3 (Eymann et al. 2004). Die
Verwendung von IEF-Streifen in einem pH-Bereich von 4-7 erlaubt also theoretisch die Trennung
von 1.544 cytosolischen Proteinen aus Bacillus subtilis und von 1.359 cytosolischen Proteinen aus
Staphylococcus aureus. Während Membranproteine aufgrund ihrer hohen Hydrophobizität bisher
generell nicht abbildbar sind, kann der pH-Bereich von 2D Gelen durch Nutzung angepasster
Chemikalien und Materialien für die IEF erweitert werden (z. B. pH 3-10).
Mittels verschiedener Färbungen sind im 2D Gel Proteinkonzentrationen mit einem dynamischen
Bereich von 3-4 Größenordnungen darstellbar, wobei ein Spot mit weniger als 1 ng Protein noch
detektierbar ist (Görg et al. 2004). Dies ist jedoch nicht für alle Anwendungen ausreichend, da
Einleitung
19
z. B. die Proteinkonzentrationen im menschlichen Blut einen dynamischen Bereich von
mindestens 9 Größenordnungen umfassen (Adkins et al. 2002).
Eine der großen Stärken der 2D PAGE ist die Darstellung von Proteinisoformen, die sich
aufgrund von Modifikationen in pI oder Molekulargewicht voneinander unterscheiden. Während
Änderungen des pI, z. B. durch Phosphorylierungen, eine horizontale Verschiebung des
Proteinspots verursachen, führen Modifikationen in der Masse des Moleküls, z. B. durch partielle
Proteolyse, zu einer vertikalen Positionsänderung.
Ein wichtiger Vorteil von 2D Gelen ist die nahezu vollständige Visualisierung der zentralen
Stoffwechselwege, die einen Überblick über das Geschehen in der Zelle ermöglicht und so die
Grundlage für weiterführende Experimente bildet. So können 2D Gele in Kombination mit
radioaktiver Markierung zur Untersuchung der Proteinsynthese und –stabilität genutzt werden
(Bernhardt et al. 1997; Gerth et al. 2008).
Einen häufigen Schwachpunkt stellt dagegen die Reproduzierbarkeit der Trennung in den
2D Gelen dar. Die Einführung von DIGE (differential gel electrophoresis) sowie die fortlaufende
Verbesserung von Materialien und Chemikalien für die Gelpräparation haben dieses Problem
jedoch deutlich vermindert.
Zusammenfassend liegen die Stärken der 2D PAGE also nicht in der Identifizierung möglichst
vieler Proteine, sondern v. a. darin, einen quantitativen Blick auf interessante biologische Prozesse
oder Proteinmodifikationen werfen zu können (Rabilloud 2002). Vor allem die Limitation der
2D PAGE bei der Darstellung von Proteinen mit Extremen in Molekulargewicht, pI und
Hydrophobizität führen jedoch dazu, dass in der Proteomanalyse vermehrt gelfreie, auf
Massenspektrometrie basierende Techniken Anwendung finden.
1.3 Proteomanalyse durch Massenspektrometrie
Die Entwicklung milder Ionisierungsmethoden wie der Elektrosprayionisation (ESI) und der
Matrix-unterstützten Laserdesorptionsionisation (MALDI) in den 1980er Jahren ermöglicht die
Einleitung
20
Anwendung der Massenspektrometrie (MS) in der Proteomanalyse. Heute wird die
MS für die Proteinidentifizierung (Kühner et al. 2009; Becher et al. 2009; Schrimpf et al. 2009)
und -sequenzierung (Küster et al. 2001; Oshiro et al. 2002) ebenso genutzt wie für relative
(Bantscheff et al. 2012; Otto et al. 2012) und absolute (Ishihama et al. 2005b; Malmström et al.
2009) Quantifizierung von Proteinen, die Untersuchung von posttranslationalen Modifikationen
(Mann und Jensen 2003) und Protein-Protein-Interaktionen (Rappsilber et al. 2000; Ashman et al.
2001).
Der übliche Arbeitsablauf für die Proteomanalyse mittels Massenspektrometrie beginnt mit einer
optionalen Trennnung des Proteingemisches einer Zelle. Dabei können die Proteine einzelner
subzellulärer Fraktionen angereichert oder nach ihren physikochemischen Eigenschaften selektiert
werden. Die Proteine werden dann mit einer spezifischen Protease (wie z. B. Trypsin) verdaut.
Nach weiteren optionalen Fraktionierungen des Peptidgemisches findet i. d. R. eine
Flüssigkeitschromatographie (LC) statt, bevor die ionisierten Moleküle im MS analysiert werden.
Die Auswertung der erzeugten Daten erfolgt computergestützt mit Hilfe geeigneter Software.
Bei massenspektrometrischen Proteomuntersuchungen mit dem Ziel der Expressionsanalyse gibt
es hauptsächlich zwei Vorgehensweisen: die sogenannte Shotgun Proteomics und die
zielgerichtete (targeted) Analyse (Maiolica et al. 2012). Shotgun Proteomics ermöglicht Aussagen
über die Probenkomplexität, den dynamischen Bereich der Menge sowie relative und absolute
Häufigkeiten identifizierter Proteine, ohne diese vor dem Experiment zu kennen. Dafür werden im
ersten Schritt, dem sogenannten Übersichtsscan, die Masse-zu-Ladungs-Verhältnisse (m/z-Ratios)
der Peptide bestimmt. Daraus werden anschließend Peptidionen intensitätsabhängig selektiert,
isoliert und fragmentiert. Das entstandene Fragmentionenspektrum (MS2) kann zur
Sequenzbestimmung und Identifizierung des Peptids bzw. Proteins genutzt werden.
Bei der Methode der zielgerichteten MS-Analyse wird nur ein vordefiniertes Set von Peptiden
identifiziert und analysiert. Die am weitesten verbreitete Technik ist dabei das Selected Reaction
Monitoring (SRM). Dieser Ansatz nutzt die Fähigkeit von Triple-Quadrupol-
Massenspektrometern, als Ionenfilter zu wirken. Im ersten Quadrupol (Q1) werden die Peptide mit
Einleitung
21
den gesuchten Massen selektiert und anschließend in Q2 fragmentiert. Die entstandenen
Fragmentionen werden in Q3 analysiert (Abb. 1). Für die zielgerichtete MS werden bereits vor
Messbeginn genaue Kenntnisse über den Ladungszustand, die chromatographische Retentionszeit
und die relative Produktionenintensität benötigt (Lange et al. 2008; Picotti und Aebersold 2012).
Abb. 1: Selected Reaction Monitoring (SRM). Molekülionen eines spezifischen Analyten werden in Q1
selektiert und in Q2 fragmentiert. Spezifische Fragmentionen des Zielanalyten (Übergang) werden in Q3
selektiert und an den Detektor weitergeleitet. Die Anzahl der Fragmentionen wird über die Zeit
aufgezeichnet, was zu einem SRM-Chromatogramm für jeden Übergang führt.
1.4 Proteinquantifizierung
Die Untersuchungen umfangreicher Datensätze von Transkripten, Proteinen oder Metaboliten
einer Zelle erfordert nicht nur die qualitative Analyse der zellulären Prozesse, sondern macht eine
quantitative Bewertung der Änderung eben dieser Bausteine notwendig. Nur durch hoch sensitive
Quantifizierung können kleine Änderungen im Transkriptom, Proteom oder Metabolom detektiert
und Ergebnisse statistisch abgesichert werden. Darüber hinaus ermöglicht die Verfügbarkeit
quantitativer Daten, die verschiedenen Anpassungen an veränderte Bedingungen qualitativ und
quantitativ in einen Kontext zueinander zu bringen.
Gelbasierte Methoden für die Proteinquantifizierung stützen sich auf die Trennung des
Proteingemisches in einem SDS Gel (ein- oder zweidimensional) und der quantitativen
Markierung der Proteine durch Radioaktivität oder geeignete Farbstoffe. Im Gegensatz dazu
werden die Proteine bei gelfreien Methoden nach einer optionalen Vorfraktionierung mit Hilfe der
Massenspektrometrie analysiert und die quantitative Information aus den Massenspektren
Einleitung
22
extrahiert. Die Proteinquantifizierung kann hierbei mit Hilfe von chemischer, enzymatischer oder
metabolischer Markierung oder zugesetzten markierten Protein- oder Peptidstandards erfolgen.
Eine weitere Möglichkeit ist die labelfreie Quantifizierung, die entweder auf der Anzahl der
zugeordneten Massenspektren oder der Intensität der Vorläuferionen basiert (Abb. 2).
Abb. 2: Methoden der Proteinquantifizierung. Stark vereinfachte Übersicht über gelbasierte und gelfreie
Methoden der Proteinquantifizierungen.
1.5 Relative Proteinquantifizierung
1.5.1 Relative Proteinquantifizierung durch 2D PAGE
Die Charakterisierung und Identifizierung von Proteinen mit Hilfe von 2D Gelen wurde vor
Jahrzehnten eingeführt und unterliegt bis heute weiteren Entwicklungen (Bossinger et al. 1979;
Lipkin und Lemkin 1980; Aittokallio et al. 2005).
Die Kombination von 2D PAGE, MALDI-MS und hochentwickelter Gelanalysesoftware, wie
z. B. Delta2D (DECODON GmbH, Greifswald), erlaubt aufgrund der hohen Auflösung und
Sensitivität die zeitgleiche Identifikation und Quantifzierung hunderter Proteine und ermöglicht so
einen umfangreichen Überblick über das zentrale Stoffwechselgeschehen in der Zelle. In einem
Standard-2D Gel von B. subtilis können derzeit mit traditionellen Verfahren mindestens 700
Proteine identifiziert werden (Eymann et al. 2004), was eine Quantifizierung und damit das
Erstellen von Expressionsprofilen für jedes dieser Proteine erlaubt.
Einleitung
23
Um Proteine mittels 2D PAGE quantifizieren zu können, muss zunächst ein digitales Bild des
Gels erzeugt werden, in dem die quantitativen Informationen der Spots erhalten bleiben (Berth et
al. 2007; Bandow et al. 2008). Beim anschließenden Warping der Bilder werden Laufunterschiede
zwischen verschiedenen Gelen ausgeglichen. Im nächsten Schritt kann ein Fusionsgel erstellt
werden, das eine repräsentative Proteinkarte für das gesamte Experiment darstellt (Luhn et al.
2003). Dieses Gelbild wird dann zur Spotdetektion genutzt. Die so erzeugten Konsensus-
Spotgrenzen können im Anschluss auf alle Gelbilder des Projekts übertragen werden. Im letzten
Schritt erfolgt die Extraktion quantitativer Daten innerhalb der Konsensus-Spotgrenzen durch
Graustufenintegration auf jedem Gelbild. Aus den so erhaltenen Werten können
Expressionsprofile erstellt werden, die die Grundlage für weitere Analysen, Identifikationen und
Interpretationen bilden.
Ordnet man nun den 2D Gelbildern verschiedener Bedingungen eine Falschfarbe zu, kann man
diese durch Dual Channel Imaging vergleichen und so Unterschiede im Proteomprofil auf eine
komfortable und zweckmäßige Weise sichtbar machen (Bernhardt et al. 1999).
Diese gut etablierte Technik wird in vielen Laboren standardmäßig eingesetzt, um die Quantitäten
von Proteinen relativ zu vergleichen.
1.5.2 Gelfreie relative Proteinquantifizierung durch Markierung von Peptiden
Die klassischen gelbasierten Methoden, bei denen die Proteinquantifizierung auf Färbung oder
Radioaktivität beruht, gewährleisten eine hohe Sensitivität und Linearität sowie einen großen
dynamischen Bereich der bestimmbaren Mengenänderungen. Gleichzeitig sind diese
Trennungstechniken aber auf dort abbildbare Proteine beschränkt und erlauben nicht zwangsläufig
Rückschlüsse auf die Proteinidentität.
Durch die Nutzung massenspektrometrischer Techniken können diese Beschränkungen in der
Zugänglichkeit ganzer Proteingruppen überwunden werden. Die dafür verfügbaren Methoden sind
jedoch nicht prinzipiell quantitativ, da die verschiedenen physikochemischen Eigenschaften von
proteolytischen Peptiden (u. a. Größe, Ladung, Hydrophobizität, Protonenaffinität) zu
Einleitung
24
Unterschieden in den Signalintensitäten von Proteinen gleicher Konzentration während der
massenspektrometrischen Analyse führen können.
Das am weitesten verbreitete Vorgehen zur Berücksichtigung dieser unterschiedlichen
Eigenschaften von Peptiden bei der gelfreien relativen Proteinquantifizierung beruht auf der
Einführung einer Markierung mit stabilen schweren Isotopen wie beispielsweise Wasserstoff,
Kohlenstoff, Stickstoff oder Sauerstoff. Nach dieser Markierung liegen Peptide vor, die chemisch
identische Eigenschaften im Vergleich zu unmarkierten, natürlich vorkommenden Peptiden
gleicher Aminosäuresequenz haben und so nahezu gleiche chromatographische und
massenspektrometrische Eigenschaften aufweisen. Solche Isopeptide können allerdings aufgrund
der Massendifferenz in der MS unterschieden werden, was eine Quantifizierung durch den
Vergleich der gemessenen Signalintensitäten der natürlichen und der zugegebenen markierten
Peptide erlaubt. Protein- bzw. Peptidmarkierungen mit stabilen Isotopen können metabolisch,
chemisch oder enzymatisch in die Probe eingebracht werden. Auch der Zusatz synthetischer
schwerer Peptide zu einem Peptidgemisch ist möglich. Je früher dabei die Zugabe der markierten
Proteine/Peptide zu den zu analysierenden Proteinproben erfolgt, desto früher können technische
Unterschiede während der Probenaufbereitung ausgeglichen werden, was die Genauigkeit der
Quantifizierung entsprechend erhöht.
1.5.3 Gelfreie relative Proteinquantifizierung durch Spectral Counting
Da die Markierung von Proteinen für die relative Quantifizierung nicht für jeden Organismus und
jede untersuchte Bedingung praktikabel ist und abhängig von den verwendeten Chemikalien teuer
sei kann, wurden labelfreie Methoden zur MS-basierten relativen Quantifizierung entwickelt.
Das Spectral Counting ist eine dieser Methoden. Sie basiert auf der empirischen Beobachtung,
dass die Anzahl der Fragmentionenspektren von Peptiden eines Proteins abhängig von dessen
Abundanz ist (Washburn et al. 2001; Liu et al. 2004). Durch den Vergleich der Anzahl dieser
Spektren innerhalb eines Datensets wird der relative Vergleich zwischen verschiedenen
Bedingungen ermöglicht.
Einleitung
25
Die Genauigkeit und Qualität der Quantifizierung ist im Wesentlichen von experimentellen
Parametern wie z. B. dem dynamischen Ausschluss von Ionen, die bereits für die Fragmentierung
selektiert wurden, der chromatographischen Peakbreite und der Scangeschwindigkeit des
Massenspektrometers (Liu et al. 2004) abhängig. Außerdem bestimmt die Länge eines Proteins,
wie viele seiner Peptide innerhalb des Massebereichs des Massenspektrometers detektierbar sind.
Da von kleinen Proteinen (< 20 kDa) statistisch weniger proteolytische Peptide messbar sind, ist
die relative Quantifizierung kleiner Proteine in der Konsequenz variabler als die von gleichen
Mengen größerer Proteine (Bantscheff et al. 2012). Darüber hinaus haben Old und Mitarbeiter
(Old et al. 2005) gezeigt, dass die Anzahl der für den Nachweis von geringen Änderungen in der
Proteinabundanz benötigten MS-Spektren exponentiell steigt. Gleichzeitig treten für höhere
Anzahlen von Spectral Counts Sättigungseffekte auf, die je nach Peptid unterschiedlich
ausgeprägt sein können. Dies beschränkt den dynamischen Bereich der Quantifizierung über
Spectral Counting. Ein Vergleich von Spectral Counting mit verschiedenen metabolischen und
chemischen Labelingtechniken ergab, dass die labelfreie Methode die höchste quantitative
Proteomabdeckung zeigt, während die Labelingansätze in Genauigkeit und Reproduzierbarkeit
überlegen sind (Li et al. 2012).
Dennoch gehört das Spectral Counting zu einer viel genutzten Methode, die in den letzten Jahren
häufig verbessert und für die Proteomanalyse von Mikroorganismen (Lu et al. 2007; Tefon et al.
2011; Li et al. 2012), Pflanzen (Weiss et al. 2010; Neilson et al. 2011), höheren Organismen
(Weiss et al. 2010; Gilchrist et al. 2006) und humanen Proben (Pang et al. 2002; Rao et al. 2009)
verwendet wurde.
1.6 Absolute Proteinquantifizierung
1.6.1 Ziele der absoluten Proteinquantifizierung
Relative Proteinquantifizierung ermöglicht den Vergleich von Proteinmengen zwischen zwei
Proben, indem abundanzbeschreibende Parameter der Proteine, wie Färbungsintensität oder
Einleitung
26
Anzahl der detektierten Massenspektren, zueinander ins Verhältnis gesetzt werden. Dies
ermöglicht die Berechnung der Änderung der Proteinmenge im Vergleich zwischen den Proben,
erlaubt jedoch nur bedingt Rückschluss auf das Mengenverhältnis der verschiedenen Proteine
innerhalb einer Probe.
Dagegen ermöglicht absolute Proteinquantifizierung die genaue Bestimmung der Konzentration
von Proteinen im komplexen Gemisch. Die Verfügbarkeit absoluter Proteinmengen als Anteil am
Gesamtprotein, als Konzentration oder als Molekülzahl in der Zelle ist Grundvoraussetzung für
die Nutzung der Daten im Kontext der Systembiologie. Die ermittelten Quantitäten ermöglichen
ein bioinformatisches Modellieren physiologischer Zusammenhänge, so dass die so erstellten
Modelle zur Ableitung neuer regulatorischer Beziehungen von Proteinen führen können.
Zusätzlich ermöglichen Daten zur Proteinabundanz Rückschlüsse auf Stöchiometrien innerhalb
verschiedener Proteinkomplexe und auf das Zusammenspiel von Proteinen innerhalb eines
metabolischen oder regulatorischen Netzwerkes. Die Verfügbarkeit von quantitativen
metabolischen Daten in Kombination mit Proteinkonzentrationen ermöglicht die Bestimmung von
Enzymeffizienzen ohne „klassische“ biochemische Methoden, die ohnehin nicht für jedes Enzym
verfügbar sind. Darüber hinaus erlaubt die zeitaufgelöste Bestimmung von absoluten
Proteinmengen die Berechnung von Proteinsyntheseraten auch ohne das zusätzliche
Vorhandensein von Daten, die in der Regel durch den Einsatz von radioaktiver Markierung
gewonnen werden.
1.6.2 Methoden zur absoluten Quantifizierung
Die derzeit angewendeten Techniken zur absoluten Proteinquantifizierung basieren im
Wesentlichen auf drei unterschiedlichen Prinzipien: I) Immunreaktionen durch die Verwendung
von Antikörpern, II) Markierung mit stabilen Isotopen, gekoppelt mit MS, III) radioaktive
Markierung.
Jahrelang waren ELISA (enzyme-linked immunosorbent assay, enzymgekoppelter
Immunadsoptionstest) bzw. quantitative Westernblots für die Bestimmung von absoluten
Einleitung
27
Proteinkonzentrationen das Mittel der Wahl. So wurde 2003 jedes offene Leseraster (engl. open
reading frame, ORF) der Hefe Saccharomyces cerevisiae mit einer hochaffinen Epitopmarkierung
versehen, die die Aufreinigung und Detektion des gesamten Hefeproteoms mit Hilfe von
spezifischen Antikörpern erlaubte (Ghaemmaghami et al. 2003). Für 75 % aller offenen Leseraster
konnten Genprodukte nachgewiesen werden, die Mengen von 50-1.000.000 Moleküle pro Zelle
umfassten. Wenig später wurde das Grundprinzip großer Bibliotheken mit Klonen für markierte
Proteine für die quantitative Einzelzellproteomik angepasst. Die Expression jedes Hefeproteins als
carboxyterminale GFP-Fusion (GFP = grün fluoreszierendes Protein) erlaubte die Quantifizierung
von 2.500 Proteinen auf Einzelzellebene (Newman et al. 2006). Die minimale Probenaufbereitung
in dieser Methode (es werden ganze Zellen vermessen) resultierte darüber hinaus in einer sehr
hohen Reproduzierbarkeit der Ergebnisse. Die Nachteile solcher globaler absoluter Immuntests
sind der hohe Zeitaufwand und die hohen Kosten, da für jedes quantifizierte Protein ein gesamtes
Experiment benötigt wird.
Deshalb wurden bald mit stabilen Isotopen markierte Standards für die absolute Quantifizierung
von Einzelproteinen verwendet. Die ersten Versuche zur Bestimmung absoluter Mengen eines
spezifischen Proteins durch MS unter Verwendung der Isotopen-Mischungs-Theorie wurden
bereits 1996 beschrieben (Barr et al. 1996). In jüngerer Zeit profitiert diese Idee vor allem durch
die schnelle Entwicklung von Massenspektrometern und neuen Technologien für die Analyse von
Proteomen. 2003 nutzen Gerber und Mitarbeiter (Gerber et al. 2003) mit schweren Aminosäuren
markierte proteotypische Peptide und gerichtete MS für die Untersuchung von posttranslationalen
Modifikationen humaner Proteine und prägten die Bezeichnung AQUA (absolute Quantifizierung)
für die von ihnen angewendete Methode. Da die markierten Peptidstandards synthetisch
hergestellt werden, lässt sich deren genaue Menge zuverlässig durch Aminosäureanalyse
bestimmen. Damit ermöglicht die Zugabe einer bekannten Menge von markiertem (schwerem)
Referenzpeptid zu einer Probe die absolute Quantifizierung des nativen (leichten) Peptids durch
Vergleich der MS-Signale beider Moleküle (Abb. 3). Um interne Standardpeptide aus dem
Zielprotein abzuleiten, sind Vorkenntnisse über dessen Aminosäuresequenz und
Einleitung
28
physikochemische Eigenschaften vonnöten. So müssen die gewählten Peptide im
Massenspektrometer detektierbar und für das untersuchte Protein einzigartig sein. Außerdem
sollten diese idealerweise keine Aminosäuren oder Aminosäurekombinationen enthalten, die
leicht modifizierbar sind. Zusätzlich sollten die verwendeten Peptide keiner anderen bekannten in
vivo Modifikation als der untersuchten unterliegen (Mayya et al. 2006; Malmström et al. 2007).
Abb. 3: Prinzip der AQUA-Methode. Das im ersten Schritt abgeleitete optimale tryptische Peptid wird
synthetisch hergestellt und dabei mit stabilen Isotopen markiert. Anschließend werden die
Probenaufbereitung und die MS-Methode für dieses Peptid (rot) optimiert. Im dritten Schritt werden die
nativen Proteine (blau) aus der biologischen Probe extrahiert und mit einer bekannten Menge synthetischem
AQUA-Peptid gemischt. Nach dem tryptischen Verdau und der MS-Analyse können MS-Signale beider
Moleküle verglichen werden, um die Konzentration des nativen (leichten) Peptids/Proteins zu bestimmen.
Abbildung adaptiert nach SIGMA-ALDRICH®.
1.7 Umfassende absolute Proteinquantifizierung
Die zuvor beschriebenen Methoden zur Bestimmung von Proteinkonzentrationen im komplexen
Gemisch sind auf einzelne Proteine beschränkt. Eine umfassende absolute Proteinquantifizierung
ist mit diesen Techniken aufgrund des hohen Arbeitsaufwandes und der enormen Kosten nur
schwer zu erreichen.
Aufgrund ihrer hohen Auflösung und großen Abdeckung von Enzymen zentraler
Stoffwechselwege eignet sich die traditionelle 2D Gelelektrophorese für die absolute
Proteinquantifizierung im großen Maßstab. 2009 nutzte eine französische Arbeitsgruppe
(Baudouin-Cornu et al. 2009) die radioaktive Markierung von Proteinen mit anschließender
Trennung durch 2D PAGE für die absolute Quantifizierung von 65 Proteinen des
Schwefelstoffwechsels der Hefe S. cerevisiae. Dafür wurden Methionin oder Methionin und
Cystein während der Kultivierung mit 35S radioaktiv markiert und der gewonnene Proteinextrakt
Einleitung
29
durch 2D PAGE aufgetrennt. Die zu quantifizierenden Spots wurden zusammen mit mehreren
Referenzspots zur Bestimmung des Hintergrunds aus dem Gel ausgeschnitten und deren
Radioaktivität bestimmt. Parallel dazu wurde die Spotintensität aller anderen Proteine mittels
Autoradiographie bestimmt. Unter der Annahme, dass die Radioaktivität jedes Spots direkt
proportional zur Proteinmenge (korrigiert für die Anzahl markierter Aminosäuren pro Protein) ist,
konnten absolute Proteinmengen für alle detektierten Spots bestimmt werden. Um mit dieser
Methode verlässliche quantitative Aussagen über die Gesamtmenge eines Proteins zu bekommen,
muss die radioaktive Markierung der Proteine ausreichend lang erfolgen um möglichst vollständig
zu sein. Dies und die umständliche Handhabung von Radioaktivität limitiert die Anwendung der
Methode.
Aufgrund der höheren Anzahl analysierbarer Proteine wurden in den letzten Jahren vermehrt auch
gelfreie, ausschließlich auf MS basierende Strategien für eine globale absolute Quantifizierung
entwickelt. Diese Verfahren vergleichen z. B. Proteinabundanzindizes, die die Anzahl der
sequenzierten Peptide pro Protein berücksichtigen (Ishihama et al. 2008), nutzen Spectral Counts
als Maß für die Proteinmenge (Lu et al. 2007) oder stellen die mittleren Ionenintensitäten der drei
höchstabundanten Peptide eines Proteins gegenüber (Silva et al. 2006).
Die letztgenannte labelfreie Quantifizierung von Proteinen wird aufgrund fehlender Zusatzkosten
und der einfachen Anwendung immer häufiger genutzt, um Proteome unterschiedlicher
Organismen ausführlich zu charakterisieren. Dabei spielt eine datenunabhängige MS-Methode,
bei der alternierende Spektren nach Gering- und Hochenergiekollisionen aufgenommen werden,
eine zunehmend wichtige Rolle. Bei dieser MS-Technik, die als MSE (E für engl.: elevated
energy, erhöhte Energie) bezeichnet wird, erfolgt die Fragmentierung aller Peptide ohne vorherige
Selektion von Vorläuferionen. So kann bei der Proteinidentifizierung ein niedrigeres
Detektionslimit bei gleichzeitig erhöhter Proteomabdeckung und größerem dynamischen Bereich
erreicht werden. Für die Zuordnung der Fragmentionenspektren zu ihren Vorläufermolekülen ist
jedoch ein spezieller Alignmentalgorithmus notwendig, der das m/z-Ratio und die Retentionszeit
für die Zuweisung identischer Komponenten nutzt (Silva et al. 2005). Die Notwendigkeit der
Einleitung
30
Verwendung der Elutionscharakteristik für die Zuordnung von Fragmentionen zu ihren
Vorläuferionen macht eine reproduzierbare LC für die Proteinquantifizierung unabdingbar.
Für die Bestimmung von Proteinmengen mittels MSE werden die Peakflächen der drei
höchstabundanten Peptide eines Proteins integriert. Die absolute Proteinquantifzierung erfolgt
dann durch den Vergleich der Summe der Peakflächen der drei höchst abundanten Peptide eines
Proteins mit der Peakflächensumme der drei höchst abundanten Peptide eines Standardproteins,
das in bekannter Menge zur Probe gegeben wurde. Von besonderer Bedeutung ist dabei die
Balance zwischen niedrigenergetischem Übersichtsscan für die Quantifizierung und
hochenergetischen Fragmentionenspektren für die Identifizierung von Proteinen. Im Anschluss an
ein solches MS-Experiment erfolgt die Datenbanksuche unter Nutzung von Algorithmen zur
Bilanzierung von Ionen (Li et al. 2009).
MSE als Aufnahmemodus ist bisher nur für Quadrupol-TOF-Massenspektrometer der Firma
WatersTM verfügbar (Neilson et al. 2011). Dabei verfügen die neuesten Modelle der SYNAPT®-
Reihe über eine hohe Auflösung bei der exakten Messung von komplexen Daten (Blackburn et al.
2010b).
Die Vorteile von MSE wurden bisher vor allem für die Analyse geringabundanter Proteine
genutzt, die mit datenabhängigen MS-Aufnahmemodi nicht identifiziert werden konnten
(Blackburn et al. 2010a). Während die Fragmentionenspektren abundanter Proteine nach
datenabhängiger und datenunabhängiger Messung vergleichbar sind, zeigen die
Fragmentionenspektren gering abundanter Proteine nach der datenunabhängigen Fragmentierung
eine höhere Qualität. Die rekonstruierten Fragmentionenspektren sind außerdem sauberer als die
Spektren, die nach herkömmlicher datenabhängiger Dissoziation aufgenommen werden, da
Kontaminationen durch gering abundante Vorläuferionen bei der Datenanalyse nach MSE ihren
richtigen Vorläufermolekülen zugeordnet werden.
Die Nutzung von MSE erhöht die Intensität im Übersichtsscan im Vergleich zu datenabhängigen
MS-Methoden signifikant, da bei datenabhängigen MS-Akquisitionsmethoden die meiste Zeit
innerhalb eines Scanzyklus auf das Erzeugen von Fragmentionen verwendet wird. Eine höhere
Einleitung
31
Intensität der Vorläuferionen bewirkt eine Erhöhung der absoluten Anzahl detektierbarer
Fragmentionen und somit gleichzeitig eine Verbesserung des Signal-zu-Rauschen-Verhältnisses
auf Vorläufer- und Fragmentionenebene (Geromanos et al. 2009). Zusätzlich ist für das
datenunabhängige Aufzeichnen von Massenspektren eine höhere Reproduzierbarkeit zwischen
technischen Replikaten und eine höhere Sequenzabdeckung bei der Proteinidentifizierung
beschrieben (Blackburn et al. 2010b; Patel et al. 2009).
1.8 Zielstellung der Arbeit
Ziel dieser Arbeit war es, die gut etablierte 2D gelbasierte Methode zur relativen
Proteinquantifizierung als Grundlage für die Entwicklung, Optimierung und Anwendung einer
Strategie zur umfassenden absoluten Proteinquantifizierung zu nutzen. Dazu sollte nicht nur eine
neue Methode entwickelt und validiert werden, sondern auch viele bestehende grundlegende
Techniken, wie z.B. der tryptische Verdau vor der massenspektrometrischen Analyse, an die
Anforderungen der absoluten Quantifizierung angepasst werden. Ziel der anschließenden Studien
war es, die gelbasierte umfassende absolute Proteinquantifizierung für die Untersuchung
physiologisch relevanter Fragestellungen zu nutzen, um einerseits das Potenzial dieser Methode
abschätzen zu können und andererseits neue Einblick in die Baktereinphysiologie zu erhalten.
Material und Methoden
32
2 Material und Methoden
2.1 Bakterienstämme
Tab. 1: Übersicht über die verwendeten Bakterienstämme.
Stammbezeichnung Genotyp Referenz
Bacillus subtilis 168 trp+
Jules et al. 2009
Bacillus subtilis BSG112 168 trp+ spoIVCB::erm Maass et al. 2011
2.2 Wasser
In dieser Arbeit wurden folgende Wasserqualitäten verwendet: I) Reinstwasser aus der
Aufbereitungsanlage der Fa. Grünbeck, im Folgenden a. dest. genannt, II) destilliertes a. dest. aus
dem Wasserdestilliergerät der Fa. Marienfeld, hier a. bidest. genannt und III) Reinstwasser
AriumProUV von Sartorius (Göttingen).
2.3 Chemikalien
Tab. 2: Übersicht über die verwendeten Chemikalien.
Chemikalie Hersteller
Acetonitril AppliChem, Darmstadt, GER
Acrylamid AppliChem, Darmstadt, GER
Ameisensäure AppliChem, Darmstadt, GER
Ammoniumbicarbonat Fluka AG, Buchs, CH
Ammoniumchlorid Fluka AG, Buchs, CH
Ammoniumsulfat Carl Roth GmbH & Co. KG, Karlsruhe, GER
APS (Ammoniumperoxodisulfat) Sigma-Aldrich, Steinheim, GER
Bisacrylamid AppliChem, Darmstadt, GER
Bromphenolblau Sigma-Aldrich, Steinheim, GER
BSA (Bovines Serumalbumin ) Sigma-Aldrich, Steinheim, GER
Calciumchlorid Fluka AG, Buchs, CH
CDP-Star Roche Diagnostics, Rotkreuz, CH
CHAPS (3-[(3-Cholamidopropyl)-
dimethylammonio]-1-propane sulfonate) Merck KGaA, Darmstadt, GER
Cobalt(II)chlorid Fluka AG, Buchs, CH
Material und Methoden
33
Tab. 2: fortlaufend.
Chemikalie Hersteller
Coomassie Brilliantblau G-250 Sigma-Aldrich, Steinheim, GER
Diethanolamin AppliChem, Darmstadt, GER
Dikaliumhydrogenphosphat Carl Roth GmbH & Co. KG, Karlsruhe, GER
Dinatriumhydrogenphosphat Carl Roth GmbH & Co. KG, Karlsruhe, GER
DTT (Dithiothreitol) GE Healthcare, Chalfont St Giles, UK
EDTA (Ethylendiamintetraessigsäure)-
Dinatriumsalz AppliChem, Darmstadt, GER
Eisen(III)chlorid Carl Roth GmbH & Co. KG, Karlsruhe, GER
Eisensulfat Serva Electrophoresis, Heidelberg, GER
Essigsäure Carl Roth GmbH & Co. KG, Karlsruhe, GER
Ethanol Carl Roth GmbH & Co. KG, Karlsruhe, GER
Ethylenglykol Carl Roth GmbH & Co. KG, Karlsruhe, GER
Flamingo Bio-Rad Laboratories GmbH, München, GER
Formaldehyd Carl Roth GmbH & Co. KG, Karlsruhe, GER
Glukose Carl Roth GmbH & Co. KG, Karlsruhe, GER
Glutaminsäure Carl Roth GmbH & Co. KG, Karlsruhe, GER
Glycerin Carl Roth GmbH & Co. KG, Karlsruhe, GER
Glycin Carl Roth GmbH & Co. KG, Karlsruhe, GER
Harnstoff Merck KGaA, Darmstadt, GER
Iodacetamid Sigma-Aldrich, Steinheim, GER
Kaliumcarbonat Sigma-Aldrich, Steinheim, GER
Kaliumchlorid Carl Roth GmbH & Co. KG, Karlsruhe, GER
Kaliumdihydrogenphosphat Merck KGaA, Darmstadt, GER
Krypton Thermo Fisher Scientific, Bremen, GER
Kupferchlorid Merck KGaA, Darmstadt, GER
Kupfersulfat Sigma-Aldrich, Steinheim, GER
LB Broth Base Invitrogen, Carlsbad, CA, USA
L-Malat Merck KGaA, Darmstadt, GER
LysC Wako Chemicals GmbH, Neuss, GER
Magnesiumsulfat Merck KGaA, Darmstadt, GER
Manganchlorid Merck KGaA, Darmstadt, GER
Mangansulfat Merck KGaA, Darmstadt, GER
Mercaptoethanol Merck KGaA, Darmstadt, GER
Methanol Carl Roth GmbH & Co. KG, Karlsruhe, GER
monoklonales anti-Kaninchen IgG Sigma-Aldrich, Steinheim, GER
Nanoquant-Lösung Carl Roth GmbH & Co. KG, Karlsruhe, GER
Natriumacetat Carl Roth GmbH & Co. KG, Karlsruhe, GER
Natriumazid AppliChem, Darmstadt, GER
Natriumcarbonat Carl Roth GmbH & Co. KG, Karlsruhe, GER
Natriumchlorid Carl Roth GmbH & Co. KG, Karlsruhe, GER
Natriumcitrat Carl Roth GmbH & Co. KG, Karlsruhe, GER
Natriumdihydrogenphosphat Merck KGaA, Darmstadt, GER
Natriumhydroxid Sigma-Aldrich, Steinheim, GER
Natriummolybdat Sigma-Aldrich, Steinheim, GER
Material und Methoden
34
Tab. 2: fortlaufend.
Chemikalie Hersteller
Natriumsulfat Merck KGaA, Darmstadt, GER
Natriumthiosulfat Carl Roth GmbH & Co. KG, Karlsruhe, GER
Ninhydrin Sigma-Aldrich, Steinheim, GER
ortho-Phosphorsäure Carl Roth GmbH & Co. KG, Karlsruhe, GER
Pharmalyte 3-10 GE Healthcare, Chalfont St Giles, UK
Polypropylenglykol P2000 Sigma-Aldrich, Steinheim, GER
RapiGest Waters, Milford, MA, USA
Reinstwasser für MALDI-Analysen Sartorius, Göttingen, GER
Salzsäure Carl Roth GmbH & Co. KG, Karlsruhe, GER
SDS (sodium dodecyl sulfate,
Natriumdodecylsulfat) AppliChem GmbH, Darmstadt, GER
Silbernitrat Carl Roth GmbH & Co. KG, Karlsruhe, GER
TCEP (Tris-(2-carboxyethyl)-phosphin) Carl Roth GmbH & Co. KG, Karlsruhe, GER
TEAB (Triethylammoniumbicarbonat) Sigma-Aldrich, Steinheim, GER
TEMED (Tetramethylethylendiamin) AppliChem GmbH, Darmstadt, GER
Thioharnstoff Merck KGaA, Darmstadt, GER
Trifluoressigsäure AppliChem, Darmstadt, GER
Tris Carl Roth GmbH & Co. KG, Karlsruhe, GER
Trypsin Promega, Madison, USA
Trypsin-Aktivierungspuffer Promega, Madison, USA
vorgefärbter Größenstandard für 1D PAGE Carl Roth GmbH & Co. KG, Karlsruhe, GER
Zinkchlorid Sigma-Aldrich, Steinheim, GER
Zinksulfat Merck KGaA, Darmstadt, GER
Zinnchlorid Sigma-Aldrich, Steinheim, GER
α-Cyano-4-hydroxyzimtsäure Bruker, Bremen, GER
2.4 Medien
2.4.1 LB-Medium
Für dieses Medium wurden 20 g/l LB Broth Base in a. bidest gelöst und der pH mit NaOH auf 7,5
eingestellt. Für die erforderliche Sterilität wurde das Medium bei 121 °C autoklaviert.
2.4.2 Minimalmedium für die Batchfermentation
Dieses Medium wurde für die Batchfermentationen im Rahmen des Big Experiment als Teil des
SysMo-Projektes verwendet, die in der Arbeitsgruppe von Prof. Reuss an der Universität Stuttgart
durchgeführt wurde. Die Ergebnisse dieser Experimente flossen in die Publikation mit dem Titel
Material und Methoden
35
„Efficient, global-scale quantification of absolute protein amounts by integration of targeted mass
spectrometry and two-dimensional gel-based proteomics“ ein (Artikel II; Maass S, Sievers S,
Zühlke D, Kuzinski J, Sappa PK, Muntel J, Hessling B, Bernhardt J, Sietmann R, Völker U,
Hecker M, Becher D. 2011. Anal Chem 83: 2677–2684).
Supplementiertes Minimalmedium: 1,4 M Na2SO4 * 10 H2O
84 mM K2HPO4
44 mM Glukose * H2O
25 mM NaH2PO4 * 2 H2O
20 mM (NH4)2SO4
19 mM NH4Cl
2 mM MgSO4 * 7 H2O
0,3 mM CaCl2 * 2 H2O
2,4 µM Na2MoO4 * 2 H2O
3 ml Spurensalze-Stammlösung pro l Medium
in a. bidest.
pH 7,0
Spurensalze-Stammlösung: 62 mM FeCl3 * 6 H2O
54 mM Na2EDTA
0,75 mM CoCl2 * 6 H2O
0,69 mM CuSO4 * 5 H2O
0,63 mM ZnSO4 * 7 H2O
0,59 mM MnSO4 * H2O
in a. bidest.
MgSO4 (Stammlösung 1 M), Spurensalze und Glukose waren nicht Teil des Grundmediums und
wurden erst beim Vorbereiten des Mediums zugegeben. Das Grundmedium sowie die
Stammlösung von MgSO4 und die Spurensalze wurden zum Sterilisieren bei 121 °C autoklaviert.
Glukose (Stammlösung 20 % [w/v]) wurden sterilfiltriert.
Material und Methoden
36
2.4.3 M9-Minimalmedium für Hungerexperimente
Die Ergebnisse der Experimente mit diesem Medium flossen in die Publikation mit dem Titel
„Absolute protein quantification of stress and starvation responses in Bacillus subtilis“ ein
(Artikel IV; Maaß S, Wachlin G, Bernhardt J, Eymann C, Fromion V, Riedel K, Becher D,
Hecker M. 2014. Mol Cell Proteomics, in Revision [MCP/2013/035741]).
Supplementiertes M9-Minimalmedium: 0,1 % (w/v) Glukose
0,1 % (w/v) L-Malat
47 mM Na2HPO4 * 2 H2O
22 mM KH2PO4
19 mM NH4Cl
8,5 mM NaCl
1 mM MgSO4 * 7 H2O
0,1 mM CaCl2 * 2 H2O
10 ml Spurensalze-Stammlösung pro l Medium
1 ml Eisenchlorid-Citrat-Lösung pro l Medium
in a. bidest.
pH 7,0
Eisenchlorid-Citrat-Lösung: 100 mM Natriumcitrat * 2 H2O
50 mM FeCl3 * 6 H2O
in a. bidest.
Spurensalze-Stammlösung: 1 mM ZnCl2
0,5 mM MnCl2 * 4 H2O
0,25 mM CuCl2 * 2 H2O
0,25 mM CoCl2 * 6 H2O
0,25 mM Na2MoO4 * 2 H2O
in a. bidest.
Material und Methoden
37
MgSO4 (Stammlösung 1 M), CaCl2 (Stammlösung 100 mM), Spurensalze, Glukose, L-Malat
sowie Eisenchlorid und Citrat waren nicht Teil des Grundmediums und wurden erst beim
Vorbereiten des Mediums zugegeben. Das Grundmedium sowie die Stammlösungen von MgSO4
und CaCl2 wurden zum Sterilisieren bei 121 °C autoklaviert und alle weiteren Supplemente
sterilfiltriert.
2.4.4 Belitzky-Minimalmedium für Hitzestressexperimente
Die Ergebnisse der Experimente mit diesem Medium flossen in die Publikation mit dem Titel
„Absolute protein quantification of stress and starvation responses in Bacillus subtilis“ ein
(Artikel IV; Maaß S, Wachlin G, Bernhardt J, Eymann C, Fromion V, Riedel K, Becher D,
Hecker, M. 2014. Mol Cell Proteomics, in Revision [MCP/2013/035741]).
Supplementiertes Minimalmedium: 50 mM Tris
27 mM KCl
15 mM (NH4)2SO4
8 mM MgSO4 * 7 H2O
7 mM Natriumcitrat * H2O
4,5 mM Glutaminsäure
2 mM CaCl2 * 2 H20
0,6 mM KH2PO4
10 µM MnSO4 * 4 H20
1 µM FeSO4* 7 H20
0,2 % (w/v) Glukose
pH 7,5
in a. bidest.
CaCl2, KH2PO4, FeSO4, MnSO4, Glukose und Glutaminsäure waren nicht Teil des Grundmediums
und wurden erst beim Vorbereiten des Mediums zugegeben. Das Grundmedium sowie die
Material und Methoden
38
Stammlösungen von KH2PO4 und CaCl2 wurden zum Sterilisieren bei 121 °C autoklaviert und
alle weiteren Supplemente sterilfiltriert.
2.5 Verbrauchsmaterialien
Tab. 3: Übersicht über die benutzten Verbrauchsmaterialien.
Verbrauchsmaterial Hersteller
Blotmembran Immobilion Transfer
Membran Millipore Corporation, Billerica, MA, USA
Eppendorf-Reaktionsgefäße Eppendorf, Hamburg, GER
Eppendorf-Reaktionsgefäße Prelubicated Sorenson BioScience Inc., Salt Lake City, UT, USA
Glasperlen (Durchmesser: 0,1-0,11 mm) Sartorius, Göttingen, GER
IPG-Streifen (pH 4–7) Amersham Bioscience, Uppsala, SWE
Mikroeinsatz für MS-Vials VWR, Hannover, GER
Mikrotiterplatten Greiner, Frickenhausen, GER
Photometer-Küvetten Sarstedt, Nümbrecht, GER
Pipettenspitzen (1 ml) Sarstedt, Nümbrecht, GER
Pipettenspitzen (2,5 µl) Biozym, Hessisch Oldendorf, GER
Pipettenspitzen (200 µl) Sarstedt, Nümbrecht, GER
Stammhaltungsröhrchen Sarstedt, Nümbrecht, GER
Zentrifugenröhrchen Sarstedt, Nümbrecht, GER
2.6 Geräte
Tab. 4: Übersicht über die verwendeten Geräte.
Gerätebezeichnung Hersteller
1D Gelelektrophoresekammern Bio - Rad Laboratories GmbH, München, GER
2D Gelelektrophoresekammern Genomic Solutions, Cambridgeshire, UK
Blotapparatur, Mini Trans Blot Bio - Rad Laboratories GmbH, München, GER
Brutschrank, Heraeus B-12 Thermo Fisher Scientific, Bremen, GER
Digitalkamera ProgRes C5 Jenoptik AG, Jena, GER
Etagenschüttler HAT-Fors Infors AG, Hamburg, GER
Ettan Spot Handling Workstation Amersham Biosciences, Uppsala, SWE
Ettan Spot Picker Amersham Biosciences, Uppsala, SWE
Feinwaage Precision Plus Ohaus Europa, Nänikon, CH
IEF-Kammer MultiphorII Amersham Biosciences, Uppsala, SWE
LC Ettan™ MDLC GE Healthcare, Chalfont St Giles, UK
LC nanoACQUITY UPLC Waters, Milford, MA, USA
Lichtmikroskop Axiolab re Carl Zeiss AG, Jena, GER
Material und Methoden
39
Tab. 4: fortlaufend.
Gerätebezeichnung Hersteller
Lumi-Imager F1 Roche Diagnostics, Rotkreuz, CH
Massenspektrometer LTQ Orbitrap Thermo Fisher Scientific, Bremen, GER
Massenspektrometer Q-Trap 4000 Applied Biosystems, Foster City, CA, USA
Massenspektrometer Synapt G2 Waters, Milford, MA, USA
Proteome-Analyzer 5800 Applied Biosystems, Foster City, CA, USA
Ribolyser Fast-Prep – 24 MP Biomedicals, Eschwege, GER
Sterilbank Hera Safe Thermo Fisher Scientific, Bremen, GER
Thermomixer 5436 Eppendorf, Hamburg, GER
Thermoshaker Universal Universal Labortechnik, Leipzig, GER
Typhoon 9400 Multimode Scanner GE Healthcare, Chalfont St Giles, UK
UV-Spektrometer 2100Pro General Electric Company, Frankfurt a. M., GER
Vakuumzentrifuge Concentrator 5301 Eppendorf, Hamburg, GER
Vakuumzentrifuge Concentrator Plus Eppendorf, Hamburg, GER
Wasserbad GFL – 1086 GFL, Burgwedel, GER
Wasserbad Innova 3100 New Brunswick Scientific, Hamburg, GER
Zentrifuge (15/50 ml) Heraeus Primo R Thermo Fisher Scientific, Bremen, GER
Zentrifuge (2 ml) Heraeus Fresco Thermo Fisher Scientific, Bremen, GER
2.7 Computerprogramme
Tab. 5: Übersicht über die verwendeten Computerprogramme.
Software Herausgeber
Analyst Applied Biosystems, Foster City, CA, USA
Delta 2D DECODON GmbH, Greifswald, GER
GPS Explorer Applied Biosystems, Foster City, CA, USA
ImageJ http://rsbweb.nih.gov/ij/download.html
Mascot Matrix Science Ltd, London, UK
MeV MultiExperiment Viewer Dana-Farber Cancer Institut, Boston, USA
Microsoft Office Microsoft Co., Redmond, USA
MultiQuant Applied Biosystems, Foster City, CA, USA
Scaffold Proteome Software, Portland, USA
Sorcerer Sage-N Research, Milpitas, USA
Xcalibur Thermo Fisher Scientific, Bremen, GER
Material und Methoden
40
2.8 Methoden zum Arbeiten mit bakteriellen Zellen
2.8.1 Stammhaltung
Alle verwendeten Bakterienstämme wurden als Glycerinkulturen gelagert. Dafür wurden in LB-
Medium exponentiell wachsende Zellen steril mit Glycerin gemischt und so eine 25 %ige (v/v)
Suspension erzeugt. Diese wurde als 1 ml Aliquots in Stammhaltungsröhrchen bei -80 °C
gelagert.
2.8.2 Zellkultivierung und Probennahme
2.8.2.1 Batchfermentation in Minimalmedium
Die Batch-Fermentationen wurden im Rahmen des Big Experiment als Teil des SysMo-Projektes
in der Arbeitsgruppe von Prof. Reuss an der Universität Stuttgart durchgeführt.
B. subtilis BSG112 wurde in einem 30 l Bioreaktor im Minimalmedium für die Batch-
Fermentation (vgl. Abschnitt 2.4.2) kultiviert. Folgende Prozessparameter wurden angelegt:
Konzentration des gelösten Sauerstoffs >50 % Sättigung, pH 7, 0,5 bar Druck, 37 °C. Der
Gaseinstrom von 10 l/min wurde mit einem Durchflussmesser (Bioengineering AG, Wald, CH)
kontrolliert und die Schaumbildung bei Bedarf durch Zugabe von Polypropylenglykol
unterdrückt. Die Proben wurden während des exponentiellen Wachstums (t0, optische Dichte
OD600nm 1,7) sowie 1,5 h (t1, OD600nm 5,0) und 5 h (t2, OD600nm 2,9) nach dem vollständigen
Verbrauch von Glukose, gemessen mit einem reflektometrischen Glukoseteststreifen (Merck
KGaA, Darmstadt, GER), gewonnen (Abb. 4).
20-30 OD-Einheiten der Kultur wurden durch das Auslassventil des Fermenters entnommen und
für 10 min bei 10.000 x g und 4 °C zentrifugiert. Das Zellpellet wurde anschließend zweimal bei
4 °C in TE-Puffer gewaschen und anschließend ohne Überstand bei -70 °C gelagert. Der
Zellaufschluss fand wie in Abschnitt 2.8.3 beschrieben in Greifswald statt. Die gewonnenen
Material und Methoden
41
Proben wurden für die Entwicklung einer 2D-gelbasierten Methode zur umfassenden absoluten
Proteinquantifizierung genutzt und flossen in die Publikation mit dem Titel „Efficient, global-
scale quantification of absolute protein amounts by integration of targeted mass spectrometry and
two-dimensional gel-based proteomics“ ein (Abschnitt 3.3; Artikel II; Maass S, Sievers S, Zühlke
D, Kuzinski J, Sappa PK, Muntel J, Hessling B, Bernhardt J, Sietmann R, Völker U, Hecker M,
Becher D. 2011. Anal Chem 83: 2677–2684).
TE-Puffer: 1 mM EDTA
10 mM Tris
pH 7,5
Abb. 4: Wachstumskurve von B. subtilis während der Batchfermentation. Das Wachstum der
bakteriellen Zellen wurde durch das Aufzeichnen der OD bei 600 nm verfolgt. Die Zeitpunkte der
Probenentnahme (exponentielles Wachstum, 1,5 h und 5 h stationäre Phase durch Glukosehunger) sind
durch Punkte gekennzeichnet. Die Phase des Hungers ist durch den grauen Bereich markiert.
2.8.2.2 Kultivierung für Stressexperimente
Für die Hungerexperimente wurden drei unabhängige biologische Replikate B. subtilis 168 trp+ in
M9-Minimalmedium (vgl. Abschnitt 2.4.3) bei 37 °C unter kräftigem Schütteln bei 300 rpm
(Wasserbad Innova 3100) kultiviert. Die Proben wurden während der exponentiellen Phase (t1,
OD600nm 0,5), in der transienten Phase (t2), zum Zeitpunkt der maximalen OD (t3, OD600nm~1,5)
Material und Methoden
42
sowie 60, 120, 180 und 240 min (t4-t7) nach Eintritt in die stationäre Phase, die durch den
Verbrauch von Glukose verursacht wurde, gewonnen (Abb. 5).
Für die Hitzestressexperimente wurden drei unabhängige biologische Replikate B. subtilis
168 trp+ in Belitzky-Minimalmedium (vgl. Abschnitt 2.4.4) kultiviert und durch eine plötzliche
Temperaturänderung auf 52 °C gestresst. Die Zellen wurden kurz vor dem Stress (Kontrolle,
OD600nm 0,5) sowie 10, 30 und 60 min nach kontinuierlichem Hitzestress geerntet (Abb. 5).
Die Zellernte für beide Stressexperimente erfolgte wie in Abschnitt 2.8.2.1 beschrieben. Die
gewonnenen Proben wurden für die absolute Proteinquantifizierung während der Stressantwort
von B. subtilis genutzt und die Ergebnisse flossen in die Publikation mit dem Titel „Absolute
protein quantification of stress and starvation responses in Bacillus subtilis“ ein (Abschnitt 3.3.1
bis 3.3.3; Artikel IV; Maaß S, Wachlin G, Bernhardt J, Eymann C, Fromion V, Riedel K, Becher
D, Hecker M. 2014. Mol Cell Proteomics, in Revision [MCP/2013/035741]).
Abb. 5: Wachstumskurve von B. subtilis während Glukosehunger und Hitzestress. Das Wachstum der
bakteriellen Zellen wurde durch das Aufzeichnen der OD bei 600nm verfolgt. Die Zeitpunkte der
Probennahme sind durch Punkte gekennzeichnet. Die Proben wurden zu folgenden Zeitpunkten gewonnen:
Glukosehunger: exponentielles Wachstum, transiente Phase, maximale OD, 60, 120, 180, 240 min
stationäre Phase; Hitzestress: Kontrolle (OD600nm 0,5), 10, 30, 60 min bei 52 °C Hitze. Die Phasen von
Hunger und Hitzestress sind durch den grauen Bereich markiert.
2.8.3 Zellaufschluss
Vor dem Aufschluss wurden je 500 µl in TE-Puffer (vgl. Abschnitt 2.8.2.1) resuspendierter Zellen
Material und Methoden
43
auf 500 µl Glasperlen mit einem Durchmesser von 0,1-0,11 mm pipettiert und mit Hilfe eines
Ribolysers für 30 s bei 6,5 m/s aufgeschlossen. Dies wurde dreimal wiederholt, wobei die Zellen
zwischen den einzelnen Schritten des Aufschlusses für 5 min auf Eis gelagert wurden.
Um die Zellaufschlusseffizienz zu berechnen, wurde die Anzahl intakter Zellen direkt nach der
Zellernte und nach dem Zellaufschluss mit einem Lichtmikroskop (Axiolab re) bestimmt.
2.8.4 Bestimmung der Zellgröße
Um die Zellgröße von B. subtilis zu bestimmen, wurden die Zellen unter Nutzung einer
Maßstabsanzeige mit einem Lichtmikroskop (Axiolab re), das an eine digitale Kamera (ProgRes
C5) gekoppelt war, fotografiert. Die Längen- und Breitenbestimmung der Zellen erfolgte mit Hilfe
der Software ImageJ (Version 1.3) auf den Fotografien. Für die Berechnung der Zellvolumina
nach Gleichung 1 wurde für die stäbchenförmigen Zellen von B. subtilis die Form eines Zylinders
mit zwei Halbkugeln angenommen, wobei der Radius r der ermittelten Breite der Zellen und die
Höhe h der ermittelten Länge der Zellen entsprach. Für jede Probe wurden mindestens 100 Zellen
vermessen, um die Standardabweichungen für jede analysierte Population bestimmen zu können.
2.9 Methoden zur Proteinanalyse
2.9.1 Gewinnung von Proteinextrakten
Nach dem Zellaufschluss (vgl. Abschnitt 2.8.3) wurden die Glasperlen für 10 min bei 30.000 x g
bei 4 °C pelletiert und der proteinhaltige Überstand durch zwei weitere gleiche
Zentrifugationsschritte von den Zelltrümmern getrennt. Der Überstand konnte aliquotiert bis zur
Weiterverarbeitung bei -70 °C eingefroren werden.
V = (π * r² * h) + (4/3 * π * r³) (Gleichung 1)
Material und Methoden
44
2.9.2 Proteinbestimmung
2.9.2.1 Bradford
Für alle Versuche, bei denen die Proteine nicht absolut quantifiziert werden sollten, wurde die
Proteinbestimmung nach Bradford durchgeführt. Dafür wurde eine genaue Menge des
Proteinextraktes mit a. bidest. auf 200 µl aufgefüllt und dann mit 800 µl einer 20 %igen (v/v)
Nanoquant-Lösung gemischt. Nach 5 min bei Raumtemperatur wurde die Extinktion der Probe bei
590 und 450 nm gegen den Leerwert a. bidest. gemessen. Aus dem Quotienten der Messwerte
konnte anhand der mitgeführten Eichreiche (BSA, 0,25-50 µg/µl in TE-Puffer) die
Proteinkonzentration berechnet werden.
2.9.2.2 Ninhydrin
Bei allen Extrakten, deren Proteine absolut quantifiziert werden sollten, wurde die
Proteinbestimmung mit der Ninhydrin-Methode durchgeführt. Dafür wurden 20 µl Probe mit
20 µl 12 N Salzsäure gemischt und für 24 h bei 100 °C inkubiert. Die hydrolysierten
Proteinextrakte wurden in zwei Schritten insgesamt 200fach verdünnt und dann 400 µl dieser
Verdünnung mit 600 µl frischem Ninhydrin-Reagenz versetzt. Der Ansatz wurde anschließend
10 min bei 100 °C gekocht und nach Abkühlen die Extinktion bei 575 nm gemessen. Als Leerwert
dienten 400 µl a. bidest., die ebenso wie die Proben mit Ninhydrin-Reagenz gemischt und gekocht
wurden. Anhand der mitgeführten Eichreiche (BSA, 0,25-10 µg/µl in TE-Puffer) konnte die
Proteinkonzentration der Proben bestimmt werden.
Ninhydrin-Reagenz: 110 mM Ninhydrin
73,2 % (v/v) Ethylenglykol
24,4 % (v/v) 4 N Natriumacetatpuffer
2,4 % (v/v) zinnhaltige Chloridlösung
Material und Methoden
45
4 N Natriumacetatpuffer: 272 g C2H3NaO2 * 3 H20 in 100 ml Essigsäure lösen
ad 500 ml mit a. bidest.
pH 5,5
zinnhaltige Chloridlösung: 440 mM SnCl2 in Ethylenglykol
2.9.3 Eindimensionale Gelelektrophorese (1D PAGE)
Für die relative Proteinquantifizierung mittels Spectral Counting, die Erstellung quantitativer
Western Blots oder die Kontrolle der Verdauoptimierung wurden protein- bzw. peptidhaltige
Proben mittels 1D PAGE aufgetrennt. Dabei wurden 12 %ige Trenngele verwendet. Die Proben
wurden vor dem Auftragen auf das 4 %ige Sammelgel mit einem Volumen SDS-Probenpuffer
gemischt und die Elektrophorese in SDS-Laufpuffer mit einer konstanten Spannung von 160 V
bei Raumtemperatur durchgeführt.
Trenngel: 400 mM Tris, pH 8,8
12 % (v/v) Acrylamid/Bisacrylamid (37,5:1)
0,1 % (w/v) SDS
0,1 % (v/v) TEMED
0,1 % (w/v) APS
in a. bidest.
Sammelgel: 100 mM Tris, pH 6,8
4 % (v/v) Acrylamid/Bisacrylamid (37,5:1)
0,1 % (w/v) SDS
0,2 % (v/v) TEMED
0,1 % (w/v) APS
in a. bidest.
Material und Methoden
46
SDS-Probenpuffer: 62,5 mM Tris, pH 6,8
20 % (v/v) Glycerin
5 % (v/v) Mercaptoethanol
2 % (w/v) SDS
0,025 %Bromphenolblau
in a. bidest.
SDS-Laufpuffer: 25 mM Tris
192 mM Glycin
0,1 % (w/v) SDS
in a. bidest.
Die Gele für die relative Proteinquantifizierung durch Spectral Counting (vgl. Abschnitt 3.1)
wurden mit kolloidalem Coomassie gefärbt. Dafür wurden die Gele in 40 % (v/v) Ethanol und
10 % (v/v) Essigsäure und für mindestens 1 h fixiert, zweimal für 10 min mit a. dest. gewaschen
und anschließend für mindestens 2 h unter kontinuierlichem Schwenken in Färbelösung gefärbt.
Das Entfärben des Hintergrundes erfolgte in a. dest. für mindestens 30 min und gegebenenfalls
unter mehrfachem Wechseln des Lösemittels.
Färbelösung: 80 % (v/v) Färbestammlösung
20 % (v/v) Ethanol
Färbestammlösung: 750 mM Ammoniumsulfat
1 % (v/v) ortho-Phosphorsäure
2 % (v/v) Coomassie-Stammlösung
in a. dest.
Coomassie-Stammlösung: 5 % (w/v) Coomassie Brilliantblau G-250
in a. dest.
Die 1D-Gele zur Optimierung der Verdauparameter (vgl. Abschnitt 3.2) wurden mit Silbernitrat
gefärbt. Dabei wurden alle Versuchsschritte bei Raumtemperatur und unter kontinuierlichem
Material und Methoden
47
Schwenken der Gele durchgeführt. Zuerst wurden die Gele für mindestens 1 h fixiert. Nach
zweimaligem Waschen für 20 min mit 50 % (v/v) Ethanol wurden die Gele für 1 min in 0,8 mM
Natriumthiosulfat sensitiviert und nach dreimaligem kurzem Waschen in a. dest. für 20 min mit
Silbernitratlösung gefärbt. Die Gele wurden zweimal kurz mit a. dest. gewaschen und bis zur
gewünschten Färbeintensität, aber maximal 5 min, mit Entwicklerlösung behandelt. Die
Fällungsreaktion wurde mit 1 % (w/v) Glycin in a. dest für 30 s gestoppt. Nach einem kurzen
zusätzlichen Waschschritt in a. dest. wurde das Stoppen der Reaktion für 10-30 min wiederholt.
Anschließend wurde die Stopplösung durch Waschen mit a. dest. entfernt und die Gelbilder
dokumentiert.
Fixierlösung: 50 % (v/v) Ethanol
12 % (v/v) Essigsäure
0,05 % (v/v) Formaldehyd
in a. dest.
Silbernitratlösung: 10 mM Silbernitrat
0,025 % (v/v) Formaldehyd
in a. dest.
Entwicklerlösung: 220 mM Kaliumcarbonat
15 µM Natriumthiosulfat
0,0185 % (v/v) Formaldehyd
2.9.4 Quantitative Western Blots
Quantitative Western Blots wurden zur Validierung der im Rahmen dieser Arbeit entwickelten
Methode zur umfassenden absoluten Proteinquantifizierung durch Kalibration von 2D Gelen
genutzt (vgl. Abschnitt 3.3).
Dafür wurden je 5 µg der Proben sowie eine Verdünnungsreihe (5-200 ng/Spur) des
aufgereinigten ClpC-Proteins (zur Verfügung gestellt durch die AG Gerth, Institut für
Material und Methoden
48
Mikobiologie und Molekularbiologie, Universität Greifswald) und ein Größenstandard mittels
1D PAGE aufgetrennt (vgl. Abschnitt 2.9.3) und das Gel auf eine für 1 min in 60 % (v/v)
Methanol aktivierte PVDF-Membran geblottet. Dies geschah in Transferpuffer bei einer
konstanten Stromstärke von 250 mA für 1 h.
Transferpuffer: 15 mM Glycin
2 mM Tris
20 % (v/v) Methanol
in a. bidest.
pH 8,1-8,3
Nach dem Trocknen der Membran wurde diese mit dem primären ClpC-Antikörper, gelöst im
Verhältnis 1:30.000 in Blotto, bei Raumtemperatur über Nacht inkubiert. Um die Bindung des
primären Antikörpers und damit die Menge von ClpC zu detektieren, wurde die Membran
anschließend für mindestens 1 h in Blotto mit dem 1:100.000 verdünnten sekundären Antikörper
(monoklonales anti-Kaninchen IgG), der an eine alkalische Phosphatase gekoppelt ist, inkubiert.
Vor der Detektion erfolgte die Äquilibrierung der PVDF-Membran in 99,9 % (v/v) Diethanolamin
(pH 9,5). Anschließend wurde für die Phosphatasereaktion das 1:200 in 99,9 % (v/v)
Diethanolamin (pH 9,5) verdünnte Chemilumineszenz-Reagenz CDP-Star auf die Membran
gegeben und diese für 4 min im Dunkeln inkubiert Die Detektion der getrockneten Membran
erfolgte am Lumi-Imager F1.
Blotto: 2,5 % (w/v) Magermilchpulver
0,3 mM Natriumazid
2.9.5 Zweidimensionale Gelelektrophorese (2D PAGE)
Für eine Trennung des Proteingemisches im pH-Bereich von 4 bis 7 in der ersten Dimension,
wurden die IPG-Streifen (IPG für immobilisierter pH-Gradient) mit 100 µg Proteingemisch
beladen. Dafür wurde das entsprechende Volumen des Proteinextraktes (unter 40 µl) mit 400 µl
Material und Methoden
49
Rehydratisierungslösung gemischt und zweimal für 30 min bei 19.000 x g und 20 °C zentrifugiert.
Die Überstände wurden in Rehydratisierungskammern gefüllt und luftblasenfrei mit der Gelseite
der IPG-Streifen bedeckt. Die Rehydratisierung erfolgte für 20-24 h bei Raumtemperatur.
Die isoelektrische Fokussierung erfolgte im MultiphorII-System unter Nutzung des folgenden
Spannungsprofiles:
Phase 1: Gradient 500 V 500 Vh 1 mA 5 W 2 h
Phase 2: Stufe 500 V 2500 Vh 1 mA 5 W 5 h
Phase 3: Gradient 3500 V 10 kVh 1 mA 5 W 5 h
Phase 4: Stufe 3500 V 35 kVh 1 mA 5 W 10 h
Für die Trennung der Proteine in der 2. Dimension wurden 12,5 %ige Trenngele verwendet. Nach
der Polymerisation des Trenngels unter a. dest. wurde ein 4 %iges Sammelgel direkt auf das
Trenngel gegossen und ebenfalls polymerisiert. Die fertigen Gele wurden in die
Elektrophoresekammer eingespannt und mit Laufpuffer überschichtet.
Rehydratisierungslösung: 8M Harnstoff
2M Thioharnstoff
1 % (w/v) CHAPS
20 mM DTT
0,5 % Pharmalyte 3-10
Spatelspitze Bromphenolblau
Trenngel: 12,5 % (v/v) Acrylamid
0,34 % (v/v) Bisacryamid
375 mM Tris-HCL, pH 8,8
0,05 % (v/v) TEMED
0,025% (w/v) APS
in a. dest.
Material und Methoden
50
Sammelgel: 4 % (v/v) Acrylamid
0,135 % (v/v) Bisacryamid
187,5 mM Tris-HCL, pH 6,8
0,1 % (v/v) TEMED
0,05% (w/v) APS
in a. dest.
Laufpuffer: 25 mM Tris
192 mM Glycin
0,1 % (w/v) SDS
in a. dest.
Vor dem Aufbringen der IPG-Streifen auf das Trenngel erfolgte deren Äquilibrierung leicht
schwenkend für 15 min in Äquilibrierungslösung A und anschließend für 15 min in
Äquilibrierungslösung B. Nach der Äquilibrierung wurden die Streifen direkt auf das Sammelgel
aufgelegt und der Gellauf bei 300 mA und 500 V mit 4 W/Gel gestartet. Nachdem die Proteine
ins Gel gewandert waren, wurde die Leistung je nach Laufpufferstand und –qualität auf 1,5
bis 2 W/Gel eingestellt. Die Trennung der Proteine in der zweiten Dimension erfolgte über
Nacht bei einer Puffertemperatur von 12 °C.
Äquilibrierungslösung: 50 mM Tris-HCL, pH 6,8
6 M Harnstoff
30 % (v/v) Glycerol
4 % SDS
A: 0,35 %(w/v) DTT
B: 4,5 % (w/v) Iodacetamid
B: Spatelspitze Bromphenolblau
Nach der 2D PAGE wurden die Gele in 40 % (v/v) Ethanol und 10 % (v/v) Essigsäure für
Material und Methoden
51
mindestens eine Stunde fixiert und anschließend mit Flamingo oder Krypton gefärbt. Dafür
wurden die Färbelösungen 1:10 mit a. dest. verdünnt. Nach der Färbung mit Krypton wurden die
Gele für 5 min mit 5 % (v/v) Essigsäure entfärbt und zweimal für 15 min mit a. dest. gewaschen.
Alle Gele wurden mit dem Typhoon 9400-Scanner mit einer Auflösung von 200 microns
gescannt, wobei mit dem grünen Laser bei 532 nm angeregt und bei 560 nm detektiert wurde.
Wenn die resultierenden 2D Gele für die gelbasierte absolute Quantifizierung (vgl. Abschnitt 3.3)
genutzt werden sollten, wurden 3-5 technische Replikate jeder Probe erzeugt.
Die Bildanalyse erfolgte mit Delta2D (Version 3.4 und höher) nach dem in Abschnitt 1.5.1
beschriebenen Arbeitsfluss. Als Grundlage für jede Art der Quantifizierung dienten die
normalisierten Spotvolumina. Für die absolute Quantifizierung wurden die normalisierten
Spotvolumina von multiplen Spots aufaddiert. Die Standardabweichung (SD) zwischen
technischen Replikaten für solche Proteine wurde wie in Gleichung 2 beschrieben berechnet.
22
2
2
1 )...()()( nSDSDSDSD (Gleichung 2)
Die finale Standardabweichung der absoluten Proteinmengen ergab sich aus der Kombination der
3-5 technischen und 3 biologischen Replikate und wurde durch Nutzung eines
Zufallseffektmodells, wie in Gleichung 3 beschrieben, berechnet.
SD2=
(Gleichung 3)
Dabei gilt:
mit i=1..p und j=1..n
mit k=1..p und l=1..n
Material und Methoden
52
2.9.6 Massenspektrometrische Analysen
2.9.6.1 MALDI-TOF-MS zur Identifizierung von 2D Gelspots
Die Proteinspots wurden mit Hilfe des Ettan Spotpickers, ausgestattet mit einem Pickerkopf mit
2 mm Durchmesser, aus dem gefärbten 2D Gel ausgeschnitten und, sortiert nach ihrer
Färbungsintensität, in 96-Well-Mikrotiterplatten mit je 100 µl a. bidest. transferiert. Der Verdau
mit Trypsin und das anschließende Platzieren der Peptidlösung auf dem MALDI-Target erfolgte
automatisch mit der Ettan Spot Handling Workstation, wobei ein modifiziertes Standardprotokoll
verwendet wurde. Dabei wurden die Gelstücke zweimal für 30 min mit jeweils 100 µl
Waschlösung und einmal für 10 min mit 75 % (v/v) Acetronitril gewaschen. Nach einer
Trocknungszeit von 17 min bei 37 °C wurden 10 µl Trypsinlösung hinzugegeben und das
Gemisch für 120 min bei 37 °C inkubiert. Dabei wurde die Konzentration des Trypsins an die
Färbeintensität der Proteinspots angepasst. Die intensivsten Spots wurden mit 4 ng/µl Trypsin (in
Reinstwasser) verdaut. Schwächere Spots, die im Gelbild ohne Verstärkung des Kontrastes
sichtbar waren, wurden mit 2 ng/µl Trypsin und gering abundante Proteine, deren Spots nur nach
Kontrastverstärkung sichtbar waren, wurden mit 1 ng/µl Trypsin verdaut. Für die Extraktion der
Peptide wurden die Gelstücken mit 60 µl Extraktionslösung bedeckt und für 30 min bei
Raumtemperatur inkubiert. Der peptidhaltige Überstand wurde in neue Mikrotiterplatten
transferiert und die Extraktion mit 40 µl Extraktionslösung wiederholt. Die Überstände wurden
bei 40 °C für 220 min eingetrocknet und die Peptide anschließend in 0,9 µl Spotterlösung mit
3,3 mg/ml α-Cyano-4-hydroxyzimtsäure aufgenommen. 0,7 µl dieses Gemisches wurden direkt
auf das MALDI-Target übertragen. Nach 10 bis 15 min Trocknungszeit konnten die Proben
mittels MALDI-TOF-MS analysiert werden.
Waschlösung: 50 mM Ammoniumbicarbonat
50 % (v/v) Methanol
Material und Methoden
53
Extraktionslösung: 50 % (v/v) Acetonitril
0,1 % (w/v) Trifluoressigsäure
Spotterlösung: 50 % (v/v) Acetonitril
0,5 % (w/v) Trifluoressigsäure
Die MALDI-TOF-MS der gespotteten Peptidlösung erfolgte am Proteome-Analyzer 5800. Dabei
wurden Spektren im Massenbereich von 900 bis 3.700 Da mit einer Fokusmasse von 1.700 Da
aufgezeichnet. Die fünf höchstabundanten Peptide eines MS-Spektrums wurden für ein
nachfolgendes MS/MS-Experiment ausgewählt. Die Massengenauigkeit lag üblicherweise
zwischen 10 und 30 ppm. Die Peaklisten für die MS-Experimente wurden mit der Software GPS
Explorer Version 3.6 (build 332) mit folgenden Einstellungen erstellt: Massenbereich 900-
3700 Da, Pickdichte 20 Peaks pro 200 Da, minimales Signal-zu-Rauschen-Verhältnis 15, maximal
65 Peaks pro Spots. Für die Peaklisten der MS/MS-Experimente wurde ein minimales Signal-zu-
Rauschen-Verhältnis von 10 festgelegt. Die resultierenden Sequenzdaten wurden in die
Datenbanksuche mittels der Mascot Suchmaschine (Version 2.4.0) gegen den entsprechenden
Organismus integriert, um die Vertrauenswürdigkeit der Proteinidentifikation zu erhöhen.
Proteine mit einem Mowse-Wert von mindestens 49 für B. subtilis und 55 für B. pertussis wurden
als positive Identifikationen gewertet.
2.9.6.2 GeLC-MS und Spectral Counting
Für die Identifikation und die relative Quantifizierung von Proteinen durch Spectral Counting
wurden die Proben in einem 1D-SDS Gel aufgetrennt und jede Gelspur in 12 gleichgroße Teile
geschnitten. Die weiter zerkleinerten Gelstücke wurden bis zur vollständigen Entfärbung
mehrmals mit 200 µl Gelwaschlösung bei 37 °C gewaschen bevor sie in einer Vakuumzentrifuge
getrocknet wurden. Anschließend wurde Trypsinlösung zu den Gelstücken gegeben, bis diese
erneut gequollen waren. Der Verdau erfolgte über Nacht bei 37 °C. Zur Extraktion der Peptide
wurden die Gelstücke mit 15 µl 5 % Ameisensäure bedeckt und für 20 min in einem
Material und Methoden
54
Ultraschallbad behandelt. Der peptidhaltige Überstand wurde in MS-Fläschchen überführt und in
der Vakuumzentrifuge auf ein Volumen von 10 µl eingeengt.
Gelwaschlösung: 20 mM Ammoniumbicarbonat
50 % (v/v) Acetonitril
Trypsinlösung: 20 ng/µl Trypsin
in 20 mM Ammoniumbicarbonat
Die LC-MS/MS-Analyse erfolgte mit einer nanoACQUITY UPLC gekoppelt an eine LTQ-
Orbitrap. Hierbei wurden die Peptide mit einer Flussrate von 10 µl/min auf eine Vorsäule
(nanoAcquity Symmetry UPLC column, C18, 5 µm, 180 µm i.d. x 20mm; Waters, Milford, MA,
USA) geladen und für 3 min mit 99% (v/v) Puffer A gewaschen. Die Peptide wurden
anschließend mit einer analytischen Säule (nanoAcquity BEH130 UPLC column, C18, 1,7 µm,
100 µm i.d. x 100mm; Waters, Milford, MA, USA) unter Verwendung eines 80 min Gradienten
(Tab. 6) mit einer Flussrate von 400 nl/min getrennt.
Puffer A: 0,1 % (v/v) Essigsäure
in a. bidest.
Puffer B: 0,1 % (v/v) Essigsäure
in Acetonitril
Tab. 6: Lösemittelgradient an der nanoACQUITY UPLC.
Zeit (min) Anteil Puffer B (%)
0 1
1 5
50 25
79 50
80 99
85 99
86 1
Der Übersichtsscan in der Orbitrap erfolgte im Massenbereich m/z 300-2000 bei einer Auflösung
von 30.000. Anschließend wurden die fünf höchst abundanten Vorläuferionen in der linearen
Material und Methoden
55
Ionenfalle (LTQ, linear ion trap) mittels kollisionsinduzierter Dissoziation (CID, collision-
induced dissociation) fragmentiert und so die MS/MS-Spektren erzeugt. Dabei wurden einfach
geladene Ionen sowie innerhalb der vorangegangenen 30 s bereits fragmentierte
Vorläufermoleküle von der Fragmentierung ausgeschlossen. Die Proteine wurden mittels einer
automatisierten Datenbanksuche durch das Programm Sorcerer-SEQUEST (Version v.27, rev. 11)
in Verbindung mit Scaffold (Version 2.02.01) identifiziert. Folgende Parameter wurden in die
Suche miteinbezogen: Die Massentoleranz bei den Vorläuferionen betrug 10 ppm, zwei
ausgelassene Enzymschnittstellen wurden erlaubt und Methioninoxidation (+15.99 Da) wurde als
variable Modifikation gesucht. Proteinidentifikationen wurden akzeptiert, wenn sie auf
mindestens 2 Peptiden basierten und den folgenden Filterkriterien entsprachen: ΔCn 0,1; XCorr
(z=+2) 2,2; XCorr (z=+3) 3,3; XCorr (z=+4) 3,75.
Die relativen Spectral Counts (RSC) zur Quantifizierung der Abundanzunterschiede von Proteinen
verschiedener Proben wurden wie in Gleichung 4 berechnet. Hierbei steht n für die dem Protein
zugeordneten Spectral Counts in den jeweiligen Proben, t für die Summe aller Spectral Counts der
Proben (repräsentativ für die Probentiefe) und f für einen Korrekturfaktor. Für die Berechnung der
RSC zum Vergleich verschiedener Oberflächenproteine in B. pertussis wurde dieser
Korrekturfaktor auf 1,25 festgelegt (Tefon et al. 2011, Artikel I). Mehr als zweifache Änderungen
im RSC wurden als signifikant bewertet.
RSC=log2
+log2
(Gleichung 4)
2.9.6.3 Flüssigverdau für die absolute Quantifizierung
Die Parameter für den quantitativen Flüssigverdau löslicher Proteine von B. subtilis wurden im
Rahmen dieser Arbeit optimiert (vgl. Abschnitt 3.2) und das fertige Protokoll wird im Folgenden
beschrieben.
Die Proteinlösung wurde in 50 mM TEAB-Puffer (pH 8,0), der 0,1 % (w/v) RapiGest enthielt, auf
eine Endkonzentration von 1 µg/µl verdünnt. Nach der Reduktion der Proteine mit 2,5 mM TCEP
Material und Methoden
56
bei 60 °C für 45 min erfolgte die Alkylierung der Sulfhydrylgruppen mit 5 mM Iodacetamid für
15 min bei Raumtemperatur im Dunkeln. Für den Verdau der Proteine wurde anschließend
Trypsin im Enzym-Substrat-Verhältnis von 1:20 zugegeben. Alle Ansätze mit AQUA-Peptiden
wurden zu diesem Zeitpunkt außerdem mit den internen Standards gemischt. Die
Endkonzentrationen der genutzten Peptide sowie deren Proteinzugehörigkeit ist in Tab. 7
aufgeführt. Der Verdauansatz wurde unter leichtem Schütteln für 5 h bei 37 °C inkubiert und der
Verdau durch Zugabe von 1-2 µl konzentrierter Salzsäure, mit dem Ziel den pH des Verdauanatz
auf <pH 2 zu senken, gestoppt. Nach einer weiteren Inkubation ohne Schütteln bei 37 °C für
30 min wurde das hydrolysierte RapiGest durch dreimalige Zentrifugation bei 4 °C für 30 min bei
30.000 x g aus dem Peptidgemisch entfernt.
Für die labelfreie umfassende absolute Quantifizierung mittels MSE (vgl. Abschnitt 3.4) wurde auf
die zugegebenen AQUA-Peptide verzichtet. Das Protokoll wurde jedoch um einen
Aufreinigungsschritt mit C18-Stage Tips (Thermo Fisher Scientific, Bremen, GER) erweitert und
die Peptidlösung anschließend mit einem fertigen Verdau der Alkoholdehydronase aus Hefe
(ADH1_Yeast, Waters, Milford, MA, USA) in einer Endkonzentration von 50 fmol/µl versetzt.
Tab. 7: Übersicht der verwendeten AQUA-Peptide. Angegeben sind die Sequenz der Zielpeptide, die
mit schweren Isotopen markierte Aminosäure, die Zugehörigkeit der Peptide zu den Proteinen des
entsprechenden Organismus sowie die Endkonzentration der AQUA-Peptide im Verdauanatz in fmol/µl.
Peptidsequenz
markierte
Aminosäure
(Position)
Protein Organismus Konzentration
(fmol/µl)
EAAVPQEIIEHFK F (12) CitZ B. subtilis 10,37
VPGLVAAFSR F (8) CitZ B. subtilis 12,81
IEDIVTSEK V (5) CitZ B. subtilis 10,17
GPLTTPVGGGIR L (3) Icd B. subtilis 19,53
VVTYDFAR A (7) Icd B. subtilis 21,15
YFTGVPSPVK V (5) Icd B. subtilis 20,34
TPPELSADIIDR R (12) Mbl B. subtilis 5,08
HVYLEEEPK L (4) Mbl B. subtilis 5,08
GIVLNEPSVVALDK A (11) Mbl B. subtilis 5,08
TPPELSADIIDR R (12) Mbl B. subtilis 5,08
HVYLEEEPK L (4) Mbl B. subtilis 5,08
GIVLNEPSVVALDK A (11) Mbl B. subtilis 5,08
Material und Methoden
57
Tab. 7: fortlaufend.
Peptidsequenz
markierte
Aminosäure
(Position)
Protein Organismus Konzentration
(fmol/µl)
GADIPVDITDQK K (12) PyR B. subtilis 5,08
AVILDEQAIR A (8) PyR B. subtilis 5,08
GADIPVDITDQK P (5) PyR B. subtilis 5,08
VILVDDVLYTGR V (7) PyR B. subtilis 5,08
YPAYGNLVPR R (10) SdhA B. subtilis 10,17
TPEGLLDFR R (9) SdhA B. subtilis 10,17
ININDTTK K (8) SdhA B. subtilis 10,17
GYIVPGLGDAGDR R (13) Upp B. subtilis 10,17
LPSDVEER L (1) Upp B. subtilis 10,17
GYIVPGLGDAGDR A (10) Upp B. subtilis 10,17
LGVVPILR V (4) Upp B. subtilis 10,17
LDELLENFK K (9) YkrZ B. subtilis 7,63
LNPGDLISVPENIR R (14) YkrZ B. subtilis 7,63
QQILDTFETEIK L (4) YkrZ B. subtilis 7,63
AQDVISLSDSNP L (7) YkrZ B. subtilis 7,63
VGAASETELK L (9) GroEL S. aureus 10,17
IEDALNSTR L (5) GroEL S. aureus 10,17
GVDQLANAVK L (5) GroEL S. aureus 10,17
AEEISALLR L (7) AtpA S. aureus 10,17
TTIAIDTILNQK I (8) AtpA S. aureus 10,17
GYLDDIPVVDITR V (8) AtpA S. aureus 10,17
DHEALEIK L (5) RplJ S. aureus 10,17
GLTVAEVTDLR V (7) RplJ S. aureus 10,17
LPQDITER I (5) Upp S. aureus 10,17
AYITPGLGDAGDR L (7) Upp S. aureus 10,17
DLELQDVDIETPVTK I (9) Upp S. aureus 10,17
DEFETPILK I (7) SACOL2053 S. aureus 10,17
LGFGGNDLGSDALK L (8) SACOL2053 S. aureus 10,17
ETEQFVADLIK V (6) SACOL2053 S. aureus 10,17
2.9.6.4 LC-SRM
Für die LC-SRM-Analyse der AQUA-Ansätze wurde eine Umkehrphasen-nano-Hochdruck-LC
(Ettan MDLC) an eine QTRAP 4000 gekoppelt. Diese war mit einer NanoSpray II Ionenquelle
ausgestattet und wurde durch die Software Analyst (Version 1.4.1 und 1.5.1) gesteuert. Die
Vorsäule (nano-Precolumn, PepMap, C18, 300 μm i.d. x 5 mm, LC Packings, Sunnyvale, CA,
USA) wurde in 10 min mit 500 ng Peptidlösung unter Verwendung einer Flussrate von 10 µl/min
mit Puffer A (vgl. Abschnitt 2.9.6.2) beladen. Die Trennung der Peptide erfolgte auf einer
Material und Methoden
58
analytischen Säule (PepMap, C18, 75 μm i.d. x 15 cm, LC Packings, Sunnyvale, CA, USA) unter
Verwendung eines 115 min Gradienten (Tab. 8) mit einer Flussrate von 250 nl/min. Das
Elektrospray wurde an einem Picotip Emitter (SilicaTip™, FS360-20-10-N, New Objective,
Woburn, MA, USA) und einer angelegten Spannung von 2,8 kV erzeugt.
Puffer A: 0,1 % (v/v) Essigsäure
in a. bidest.
Puffer B: 0,1 % (v/v) Essigsäure
in Acetonitril
Tab. 8: Lösemittelgradient an der Ettan MDLC.
Zeit (min) Anteil Puffer B (%)
0.0 1
10,0 10
35,0 15
70,0 25
100,0 40
115,0 60
115,1 99
130,0 99
130,1 1
145,0 1
Vor der SRM-Analyse wurde das Eingangspotential (EP), das Declustering Potential (DP), die
Kollisionsenergie (CE für engl. collision energy) und das Kollisionszellenaustrittspotential (CXP
für engl. collision cell exit potential) für jedes der Zielpeptide und die optimalen Fragmentionen
durch direkte Infusion von 400 fmol/µl reinem schweren Peptid optimiert. Eine detaillierte
Übersicht der optimierten Übergangsparameter ist im Anhang (Anh. 1, Anh. 2) zu finden.
Bei allen Messungen wurden folgende Parameter angelegt: Curtain Gas 10 psi, Ionenquellengas
Nr.1 8 psi, Interfacetemperatur 150 °C, CID Druck: 4.0 – 4.3 * 10-5 Torr, Q1 und Q3 in Unit
Auflösung (Halbwertsbreite 0.6 – 0.8 Da). Wenn termingemäße SRM nicht möglich waren, wurde
die Anzahl einzelner SRMs pro LC-SRM-Lauf so beschränkt, dass Nachhaltezeiten von
mindestens 16 ms und eine maximale Zykluszeit von 1,6 s möglich waren. Bei termingemäßen
Material und Methoden
59
SRM wurde ein Retentionszeitfenster von 300 s verwendet. Die Richtigkeit der drei
aufgezeichneten Übergänge pro Peptid wurde durch den Vergleich der Retentionszeit kontrolliert.
Alle Messungen wurden in drei technischen Replikaten durchgeführt. Die Datenanalyse erfolgte
mit der MultiQuant-Software (Version 1.1 und höher). Das bestimmte Verhältnis von nativer und
markierter Peptidspezies basierte auf drei Übergängen, die abhängig von Ihrem Signal-zu-
Rauschen-Verhältnis gewichtet wurden, bevor der Mittelwert aus den drei Peptiden eines Proteins
gebildet wurde. Mit Hilfe der bekannten Menge schweren Peptides in der Probe konnte so die
absolute Menge der nativen Zielproteine berechnet werden.
Ergebnisse und Diskussion
60
3 Ergebnisse und Diskussion
3.1 Gelfreie relative Proteinquantifizierung durch Spectral Counting
Im Rahmen dieser Arbeit wurde Spectral Counting genutzt, um Oberflächen- und Immunproteine
zweier Stämme des humanpathogenen Bakteriums Bordetella pertussis relativ zu quantifizieren.
In der resultierenden Studie konnten 226 Proteine gelfrei identifiziert und quantifiziert werden. 45
dieser Proteine wurden auch mit Hilfe des 2D Gels identifiziert und lagen dort in insgesamt 125
Spots vor. 48 der identifizierten Oberflächenproteine waren bereits in vorhergegangenen Studien
beschrieben worden, wohingegen 38 bereits beschriebene Oberflächenproteine nicht detektiert
werden konnten (Bottero et al. 2007; Serra et al. 2008). Die Kombination aus gelbasierten und
gelfreien Techniken erlaubte jedoch erstmals die Identifzierung von 178 neuen
Oberflächenproteinen. Darüber hinaus konnten durch Spectral Counting erstmals für alle 226
identifzierte Proteine quantitative Daten erzeugt werden, die neue Einblicke in das
Oberflächenproteom von B. pertussis erlauben. Die Quantifizierung ergab 16 in den
unterschiedlichen Stämmen differentiell exprimierte Proteine, von denen bisher nur einige als
Virulenzfaktoren beschrieben waren.
Diese Ergebnisse wurden im Rahmen einer Publikation mit dem Titel „A comprehensive analysis
of Bordetella pertussis surface proteome and identification of new immunogenic proteins.“
veröffentlicht (Artikel I; Tefon BE, Maass S, Ozcengiz E, Becher D, Hecker M, Ozcengiz G.
2011. Vaccine 29: 3583–3595).
3.2 Optimierung der Probenvorbereitung für die absolute Proteinquantifizierung
Um absolute Proteinkonzentrationen zu bestimmen, ist es essentiell, jeden Mengenverlust
während der Probenaufbereitung zu vermeiden oder genau zu quantifizieren. Wenn absolute
Mengen mit Hilfe radioaktiver Markierung ermitteln werden, kann dies leicht durch
Szintillationszählung geschehen (Baudouin-Cornu et al. 2009). Bei anderen Methoden müssen
Ergebnisse und Diskussion
61
Proteinverluste während der Probenaufbereitung durch geeignete Kontrollen bestimmt oder durch
Optimierung des Arbeitsprotokolls vermieden werden. Daher war die Optimierung von
Zellaufschluss und Proteinverdau vor der MS-Analyse im Rahmen dieser Arbeit eine
Grundvoraussetzung für alle hier entwickelten Methoden zur absoluten Proteinquantifizierung.
Um möglichst alle löslichen Proteine aus der Bakterienzelle zu extrahieren, wurde in einem ersten
Schritt der Zellaufschluss optimiert. Um ein Maß für den Erfolg der Zelllyse zu erhalten, musste
eine Methode zur Bestimmung der Zellaufschlusseffizienz entwickelt werden. Es zeigte sich, dass
lichtmikroskopische Bilder der Bakterien in einer Zählkammer vor und nach dem Zellaufschluss
geeignet sind. So kann im Falle von unvollständigem Zellaufschluss ein Korrekturfaktor bestimmt
werden. Im Rahmen einer von Jörg Bernhardt betreuten Diplomarbeit konnte gezeigt werden, dass
der mechanische Aufschluss durch Glasperlen mit dem Ribolyzer in dreimaliger Wiederholung
sowohl für Bacillus subtilis als auch für Staphylococcus aureus die Methode mit den besten
Zellaufschlusseffizienzen war (Baronick 2008). Obwohl der Aufschluss für Bacillus-Zellen noch
effektiver war, lag die Zellaufschlusseffizienz auch für S. aureus unter Hungerbedingungen immer
über 95 %.
Auch die Bestimmung des Proteingehalts im Gesamtzellextrakt sollte mit einer sensitiven und
proteinunspezifischen Technik erfolgen, um weitere mögliche Fehler bei der absoluten
Proteinquantifizierung zu vermeiden. Der Vergleich des standardmäßigen verwendeten Bradford-
Assays zum aufwendigeren Ninhydrinassay im Rahmen der Diplomarbeit von Judith Kuzinski
ergab, dass Letzteres die zuverlässigeren Ergebnisse liefert (Kuzinski 2007).
Um die bestimmten absoluten Proteinmengen nicht nur als Fraktion an der Gesamtmenge, sondern
in Molekülzahlen pro Zelle angeben zu können, muss die Zellzahl in der Probe korrekt bestimmt
werden. Im Rahmen dieser Arbeit zeigte sich, dass die Zellzahlen in einer Kultur und ihre
optische Dichte nur während des exponentiellen Wachstums linear korrelieren, diese Korrelation
unter Stress- und Hungerbedingungen jedoch nicht mehr existiert. Daher war es unabdingbar, die
Zellzahl für jede untersuchte Probe zu bestimmen. Dies erfolgte mit einer Bakterienzählkammer.
Das Erstellen lichtmikroskopischer Bilder durch Fotografie ermöglichte nicht nur ein
Ergebnisse und Diskussion
62
zeiteffizientes Bestimmen der Zellzahl, sondern konnte zusätzlich für die Bestimmung der
Zellgröße genutzt werden. So war es in allen weiterführenden Analysen möglich auch
Proteinmengen pro Zellvolumen anzugeben und Änderungen der Proteinkonzentration, die sich
durch die Änderung des Zellvolumens ergeben, zu erkennen (Maaß et al. 2014, Artikel IV).
Abb. 6: Optimierung der Verdauparameter für die absolute Proteinquantifizierung. Dargestellt sind
die Ergebnisse der Optimierung von Verdaupuffer und Enzymkonzentration (A), der verwendeten
Proteasen (B), der Inkubationstemperatur (C) und der Inkubationsdauer (D). Auf der y-Achse der
Diagramme ist jeweils die Anzahl der identifizierten Proteine aufgetragen. K = unverdaute Kontrolle, Tryp
= Trypsin.
Da die vollständige tryptische Spaltung aller Proteine im Extrakt die Voraussetzung für eine
quantative MS-Analyse ist, wurden in einem zweiten Schritt die Verdauparameter für lösliche
bakterielle Proteine optimiert. Im Laufe der Optimierung des Verdauprotokolls wurden
verschiedene Kombinationen von Proteasen und der Einfluss des Detergens RapiGest getestet
sowie die Konzentration der Protease, die Inkubationstemperatur und die Dauer des Verdaus
angepasst (Abb. 6). Das daraus resultierende optimierte Protokoll für den Flüssigverdau löslicher
Ergebnisse und Diskussion
63
Proteine aus B. subtilis und S. aureus bildet die Grundlage für alle Analysen der absoluten
Proteinmengen, die im Rahmen dieser Arbeit durchgeführt wurden.
Diese Ergebnisse wurden im Rahmen einer Publikation mit dem Titel „Efficient, global-scale
quantification of absolute protein amounts by integration of targeted mass spectrometry and two-
dimensional gel-based proteomics.“ veröffentlicht (Artikel II; Maass S, Sievers S, Zühlke D,
Kuzinski J, Sappa PK, Muntel J, Hessling B, Bernhardt J, Sietmann R, Völker U, Hecker M,
Becher D. 2011. Anal Chem 83: 2677–2684).
3.3 Umfassende absolute Quantifizierung durch Kalibration von 2D Gelen
Bislang war die absolute Proteinquantifizierung mit Hilfe von 2D Gelen nur nach radioaktiver
Markierung der Proteine möglich (vgl. Abschnitt 1.7) (Baudouin-Cornu et al. 2009). Die fehlende
Möglichkeit der Identifikation der radioaktiven Proteine durch MS ist jedoch ein limitierender
Faktor für die Anwendung dieser Methode. Im Rahmen dieser Arbeit wurde deshalb eine Methode
entwickelt, mit der in traditionellen 2D Gelen fast 1.000 Proteine zweier Bakterienspezies absolut
quantifiziert werden konnten.
Um die Konzentration aller Proteine, die auf den analysierten 2D Gelen sichtbar sind, bestimmen
zu können, wurden ausgewählte Proteine mit Hilfe von AQUA-Peptiden und SRM absolut
quantifiziert. Diese Proteine wurden anschließend für die Kalibration von 2D Gelen der exakt
gleichen Proteinextrakte genutzt. Durch den Vergleich der Spotintensität eines Proteins zu den
Intensitäten der Spots der Kalibrationsproteine, deren Menge bekannt ist, lässt sich folglich die
Proteinkonzentration für alle detektierbaren Proteine eines 2D Gels bestimmen (Abb. 7).
Die Auswahl der Kalibrationsproteine und ihre Quantifizierung bestimmen die Genauigkeit der
Methode an sich, weshalb bei der Auswahl dieser Proteine verschiedene Kriterien beachtet
wurden: I) Kalibrationsproteine sollten unter allen untersuchten Bedingungen auf dem 2D Gel
präsent sein und gut separierte Spots formen, die verlässlich zu detektieren sind. II) Die
Gesamtheit aller Kalibrationsproteine sollte den Bereich der separierten Proteine hinsichtlich MW
Ergebnisse und Diskussion
64
und pI möglichst breit abdecken. III) Kalibrationsproteine müssen darüber hinaus geeignete
Peptide für die AQUA-Technik und SRM enthalten. Geeignete Peptide haben eine Länge von 8-
20 Aminosäuren und enthalten keine bekannten Modifikationen, wie z. B. Phosphorylierungen,
oder leicht modifizierbare Aminosäuren (Mayya et al. 2006; Malmström et al. 2007). Basierend
auf diesen Merkmalen wurden CitZ, Icd, Mbl, PyrR, SdhA, Upp und YkrZ von B. subtilis sowie
AtpA, GroEL, RplJ, Upp und SACOL2053 von S. aureus als Kalibrationsproteine ausgewählt
(Abb. 8, Tab. 7, Anh. 1, Anh. 2).
Abb. 7: Arbeitsablauf für die umfassende absolute Proteinquantifizierung durch Kalibration von
2D Gelen. (A) alle Schritte für die Probenaufarbeitung; (B) teilweise parallele Analyse von Proben durch
zielgerichtete MS und 2D PAGE für die absolute Quantifizierung.
Ergebnisse und Diskussion
65
Die absolute Quantifizierung der Peptide der Kalibrationsproteine in mindestens drei technischen
Replikaten mittels SRM zeigte eine hohe Reproduzierbarkeit. Nur für wenige Peptide in einigen
Proben wurde eine Standardabweichung größer als 15 % bestimmt, was zum Ausschluss der
zugehörigen Proteine von der Liste der Kalibrationsproteine für diese Proben führte. Auch
Proteine, deren Standardabweichung innerhalb von mindestens drei technischen 2D Gelreplikaten
größer als 35 % war, wurden nicht als Kalibrationsproteine genutzt.
Abb. 8: Das Aussehen und die Lokalisation der gewählten Kalibrationsproteine von B. subtilis und
S. aureus auf dem 2D Gel.
Damit die Kalibration von 2D Gelen verlässliche Ergebnisse liefert, muss die Färbung der
Proteine in den 2D Gelen proteinunspezifisch und linear über einen möglichst großen Bereich
sein. Die Testung verschiedener kommerziell erhältlicher Farbstoffe durch Judith Kuzinski und
Jörg Bernhardt ergab, dass sich die Fluoreszenzfarbstoffe Flamingo und Krypton am besten
eignen (Maass et al. 2011, Artikel II).
Um das Potenzial der neu entwickelten Methode besser abschätzen zu können, wurde die
gelbasierte absolute Quantifizierung für die Untersuchung der Anpassung von B. subtilis an
Glukosehunger angewendet. Parallel dazu wurde die Glukosehungerantwort von S. aureus durch
Susanne Sievers und Daniela Zühlke mit der gleichen Methode analysiert. Dabei wurden die
Ergebnisse und Diskussion
66
Proteinkonzentrationen an drei verschiedenen Zeitpunkten während des Wachstums bestimmt:
während der exponentiellen Wachstumsophase und in der frühen und späten stationären Phase, die
durch Glukosehunger ausgelöst wurde (vgl. Abschnitt 2.8.2.1). Die Bildanalyse und
anschließende Kalibration der 2D Gele ermöglichte die sichere Mengenbestimmung von 467
Proteinen aus B. subtilis und von 482 Proteinen aus S. aureus. Diese Anzahl ist vergleichbar mit
449 Escherichia coli Proteinen, die in der Arbeitsgruppe von Edward M. Marcotte absolut
quantifiziert worden sind (Lu et al. 2007), aber deutlich geringer als 1.100 E. coli Proteine, deren
Mengen durch Ishihama und Mitarbeiter bestimmt wurden (Ishihama et al. 2008). Dabei nutzen
beide E. coli-Studien rein massenspektrometrische Methoden, die im Wesentlichen auf dem
Prinzip des Spectral Countings beruhten.
Obwohl die für die Entwicklung der gelbasierten absolute Quantifizierungsmethode verwendeten
2D PAGE nur lösliche Proteine in einem pH-Bereich von 4 bis 7 umfassten und hydrophobe
Membranproteine generell nicht darstellbar sind, konnten so gut wie alle Enzyme der
Hauptstoffwechselwege abgebildet und somit wertvolle Informationen für die Simulation
biologischer Prozesse gewonnen werden. Darüber hinaus können Proteine, deren isoelektrischer
Punkt außerhalb des Standardbereichs von 4 bis 7 liegt, durch die Nutzung verschiedener IPG-
Streifen (z. B. pH 3-10 oder pH 6-11) detektiert und quantifiziert werden. Mit einem erweiterten
Satz Kalibrationsproteine wäre sogar die absolute Proteinquantifizierung auf Zoom-Gelen
innerhalb eines engen pH-Bereichs denkbar. Der große Vorteil der gelbasierten Strategie zur
absolute Proteinquantifizierung liegt in der Möglichkeit, die Konzentrationen einzelner
Proteinisoformen zu bestimmen, die durch pI oder das Molekulargewicht beeinflussende
posttranslationale Modifikation entstehen und daher in Form multipler Spots auftreten.
Die Ergebnisse dieser Arbeit zeigen, dass der Elongationsfaktor Ef-Tu mit rund
100.000 Molekülen pro Zelle das höchst abundante Protein während der exponentiellen Phase in
B. subtilis ist. Eine vorangegangene Publikation über E. coli, einem Bakterium mit einer ähnlichen
Zellgröße und einem ähnlich umfassenden Proteom, konnte für diesen Elongationsfaktor 90.000
zelluläre Kopien bestimmen (Ishihama et al. 2008). Mit der im Rahmen dieser Arbeit
Ergebnisse und Diskussion
67
entwickelten gelbasierten Methode zur absoluten Proteinquantifizierung konnten auch Mengen
von Proteinen in deutlich geringerer Konzentration bestimmt werden. So wurde berechnet, dass
die DNA-Polymerase X (PolX) in B. subtilis während des exponentiellen Wachstums mit rund
100 Molekülen pro Zelle vorliegt. Somit konnten Proteinkonzentrationen über einen dynamischen
Bereich von drei Größenordnungen bestimmt werden.
Um die neu entwickelte Methode qualitativ zu bewerten, wurde die Bootstrap-Technik
angewendet. Dafür wurde die durch SRM und AQUA bestimmte absolute Proteinmenge jedes
Kalibrationsproteins mit der Menge verglichen, die mit Hilfe der Kalibration der 2D Gele unter
Nutzung der anderen Kalibrationsproteine bestimmt wurde (Abb. 9). Der so bestimmte
durchschnittliche Fehler lag bei 1,8fach für B. subtilis und 1,4fach für S. aureus, wobei die
maximale Abweichung zwischen realen Mengen (SRM) und berechneten Mengen (2D PAGE) bei
2,5fach (Mbl in der exponentiellen Phase t0) und 2,0fach (RplJ in der exponentiellen Phase t0)
lagen.
Abb. 9: Quantitativer Fehler der Kalibrationsproteine. Die durch SRM und AQUA bestimmte absolute
Proteinmenge eines Kalibrationsproteins wurde gegen die Menge verglichen, die mit Hilfe der Kalibration
der 2D Gele unter Nutzung der anderen Kalibrationsproteine bestimmt wurde. Das Verhältnis dieser beiden
Werte (reale Menge (SRM)/ berechnete Menge (2D PAGE)) und damit die Abweichung der gelbasierten
Berechnung vom direkten SRM-Ergebnis wurde für alle Kalibrationsproteine aller drei Probenzeitpunkte
für B. subtilis (blau) und S. aureus (rot) im Diagramm dargestellt. t0=exponentielle Phase, t1= frühe
stationäre Phase, t2= späte stationäre Phase.
Ergebnisse und Diskussion
68
Eine zusätzliche Evaluation der neu entwickelten Methode wurde durch die absolute
Quantifizierung von glykolytischen Enzymen mit Hilfe der QCAT-Methode ermöglicht (Beynon
et al. 2005). Dabei werden alle AQUA-Peptide von Interesse als artifizielles Protein expremiert
und während der Synthese mit stabilen Isotopen markiert. Beim tryptischen Verdau einer genauen
Menge des gereinigten QCAT-Proteins im Verdauansatz des nativen Proteingemisches entstehen
dann die AQUA-Peptide, die zur absoluten Quantifizierung der Zielproteine benötigt werden. Für
die Verifizierung der Ergebnisse der gelbasierten absoluten Quantifizierung wurde ein QCAT-
Protein benutzt, das die Quantifizierung von sechs glykolytischen Enzymen und allen
Untereinheiten des Pyruvatdehydrogenasekomplex aus B. subtilis erlaubt. Dieses QCAT-Protein
wurde freundlicher Weise von Herrn Prof. Völker (Interfakultäres Institut für Genetik und
Funktionelle Genomforschung, Ernst-Moritz-Arndt Universität Greifswald) zur Verfügung
gestellt. Die absoluten Proteinmengen der zehn Proteine, die mittels SRM bestimmt wurden,
wurden mit den Werten aus der gelbasierten absoluten Quantifizierung verglichen und zeigten
einen durchschnittlichen Fehler von unter 2fach. Damit konnte für die neue
Quantifizierungsstrategie eine Genauigkeit nachgewiesen werden, die mit der anderer verfügbarer
Methoden zur umfassenden absoluten Proteinquantifizierung vergleichbar ist.
Eine weitere Validierung der neuen Methode erfolgte über den Vergleich mit bereits publizierten
absoluten Proteinmengen, die durch quantitative Western Blots bestimmt wurden. Zur Zeit der
Entwicklung der Methode zur gelbasierten absoluten Quantifzierung, waren nur wenige
Konzentrationen für B. subtilis-Proteine veröffentlicht. Daher konnten nur die Mengen von ClpC
verglichen werden. Bereits publizierte Daten bestimmten 1.500 Moleküle ClpC pro Zelle (Gerth et
al. 2004). Mit der gelbasierten Methode konnten 700 Moleküle pro Zelle berechnet werden, was
innerhalb des Fehlerbereichs diese Methode liegt.
Weitere Hinweise für die Genauigkeit der neuen Methode lieferte die Analyse des dynamischen
Proteinmusters in wachsenden und glukosehungernden Zellen von B. subtilis und S. aureus. Wie
bereits früher beschrieben, waren das Abschalten der Glykolyse mit der zeitgleichen Aktivierung
der Glukoneogenese und des Zitronensäurezyklus am deutlichsten messbar (Bernhardt et al. 2003;
Ergebnisse und Diskussion
69
Kohler et al. 2005). Eine Auswahl einiger regulierter Proteine ist in Abb. 10 dargestellt und
verdeutlicht die Übereinstimmung der gelbasierten absoluten Quantifizierung und der
traditionellen visuellen Darstellung in 2D Gelen.
Abb. 10: Vergleichende Darstellung der traditionellen Visualisierung durch 2D Gele und der
absoluten Quantifizierung durch Kalibration von 2D Gelen. Um die Leistungsfähigkeit der gelbasierten
absoluten Quantifizierung zu demonstrieren, sind die Daten für vier Proteine des zentralen
Kohlenstoffstoffwechsels (Triosephosphatisomerase [TpiA], Phosphoglyceratkinase [Pgk],
Succinatdehydrogenase Flavoproteinuntereinheit [SdhA], α-Ketogluteratdehydrogenase E1 Untereinheit
[OdhA/SucA]) aus B. subtilis und S. aureus beispielhaft dargestellt. Das Erscheinungsbild der Proteinspots
auf den 2D Gelen ist als vergrößerter Ausschnitt der Falschfarbenbilder in Spotalben abgebildet. Dabei ist
die Probe aus exponentiell wachsenden Zellen in grün dargestellt, die Proben aus der stationären Phase in
rot. Gelbe Spots repräsentieren daher ähnliche Proteinmengen in den verglichenen Proben, während
Abstufungen von grün oder rot eine erhöhte Proteinmenge in der jeweiligen Probe kennzeichnen.
Zusätzlich sind die absoluten Proteinkonzentrationen in ng pro µg Gesamtprotein und in Molekülen pro
Zelle (gerundet) für die vier Proteine in wachsenden Zellen (t0) und in der frühen (t1) und späten (t2)
stationären Phase angegeben.
Einige der im Rahmen dieser Arbeit quantifizierten Proteine sind Bestandteile bekannter
Proteinkomplexe, von denen bereits stöchiometrische Informationen verfügbar sind. Um
zusätzliche Aussagen über die Genauigkeit der gelbasierten absolute Quantifizierung machen zu
können, wurde das Mengenverhältnis von Komponenten einiger solcher Komplexe bestimmt und
mit bereits veröffentlichen Werten verglichen (Tab. 9).
Ergebnisse und Diskussion
70
Tab. 9: Stöchiometrische Informationen einiger ausgewählter Proteinkomplexe. Die stöchiometrische
Zusammensetzung von bekannten Proteinkomplexen wurde mit den Ergebnissen der gelbasierten absoluten
Quantifizierung bestimmt und mit bereits veröffentlichten Daten (Spalte „Literatur“) verglichen. Die
Literaturergebnisse wurde aus den angegebenen Publikationen extrahiert und stammen aus den gelisteten
Organismen.
B. subtilis S. aureus Literatur Organismus
OdhA : OdhB 1,0 : 2,4
1,0 : 2,7 1 : 2 E. coli (Pettit et al. 1973)
SucA : SucB
PdhA : PdhB : PdhC 0,6 : 1,0 : 1,0 1,0 : 1,3 : 1,0 1 : 1 : 1
Gram-positive (Neveling
et al. 1998)
RplJ : RplL 1,0 : 4,0 1,0 : 4,0 1 : 4 E. coli (Hardy 1975; Tal
et al. 1990) RpsB : RpsF 2,4 : 1,0 1,2 : 1,0 1 : 1
Die Mengenverhältnisse für Bestandteile des α-Ketogluteratdehydrogenase- und des
Pyruvatdehydrogenasekomplexes wurden genauso bestimmt, wie sie in der Literatur beschrieben
wurden. Die Stöchiometrie des α-Ketogluteratdehydrogenasekomplex konnte später in einer
zweiten Arbeit zur Stressanpassung in B. subtilis zusätzlich bestätigt werden (Maaß et al. 2014,
Artikel IV). Auch das beobachtete Mengenverhältnis von 1:4 für die Proteine RplJ und RplL der
großen ribosomalen Untereinheit stimmt mit früher veröffentlichen Daten überein. Für die
untersuchten Proteine RpsB und RpsF der kleinen ribosomalen Untereinheit ist das Ergebnis
weniger konsistent. Während die Mengenverhältnisse in S. aureus mit 1,2:1,0 nahezu mit den für
E. coli beschriebenen Stöchiometrien übereinstimmen, wurde das Verhältnis von RpsB zu RpsF in
B. subtilis auf 2,4:1 bestimmt. Dies könnte auf eine Besonderheit in B. subtilis hindeuten. Dies ist
jedoch rein spekulativ und erfordert weiterführende unterstützende Experimente.
Die zuvor beschriebenen Vergleiche mit Ergebnissen orthogonaler Methoden verdeutlichen die
gute Qualität der absoluten Quantifizierungsdaten, die mit Hilfe der neu etablierten gelbasierten
Methode erzeugt werden konnten. Diese nicht-radioaktive Strategie erlaubt jedoch nicht nur die
Bereitstellung hochqualitativer absoluter Proteinmengen, sondern bietet darüber hinaus weitere
Vorteile. Der Wichtigste könnte in der Möglichkeit des Transfers absoluter Daten zwischen
verschiedenen 2D Gelen liegen, wobei dazu die Intensitäten von übereinstimmenden Spots
verglichen werden müssten. Damit könnten Proteine in ganzen Zeitreihenexperimenten mit wenig
Ergebnisse und Diskussion
71
Aufwand quantifiziert werden, wobei nur wenige Gele über Kalibrierproteine kalibriert werden
müssten. Um diese Möglichkeit zu prüfen, wurde angenommen, dass MS-kalibrierte 2D Gele nur
für einen Zeitpunkt vorhanden waren. Die Gele der anderen Probenzeitpunkte wurde mit diesen
verglichen und alle Proteinspots relativ zu denen auf dem kalibrierten Gel quantifiziert, was
indirekt die absolute Quantifizierung für die Proteine der beiden anderen Probenzeitpunkte
ermöglichte (Intergel-Quantifizierung). Da in der methodischen Studie auch eine MS-Kalibration
für die beiden anderen Probenzeitpunkte stattfand, waren die genauen Proteinmengen für diese
Zeitpunkte bekannt (Intragel-Quantifizierung). Die Korrelation von Intergel- und Intragel-
Quantifizierung ist in Abb. 11 dargestellt.
Abb. 11: Korrelation zwischen Intragel- und Intergel-Quantifizierung. Vergleich der absoluten
Proteinmengen bestimmt durch direkte Kalibration von 2D Gelen (Intragel-Quantifizierung, x-Achse) mit
den Proteinmengen bestimmt durch Gel-zu-Gel-Vergleich (Intergel-Quantifizierung, y-Achse). Dargestellt
sind die Ergebnisse für zwei Probenzeitpunkte in B. subtilis (links, A und C) und S. aureus (rechts, B und
D). Die erwartete perfekte Korrelation wird durch die rote Linie gekennzeichnet.
Ergebnisse und Diskussion
72
Die gute Korrelation beider Quantifizierungsstrategien mit nur leichten Abweichungen für den
letzten Probenzeitpunkt in B. subtilis aufgrund von technischen Fehlern zeigt, dass der Transfer
von Kalibrationspunkten und damit die indirekte absolute Quantifizierung von vollständigen
Gelserien tatsächlich möglich ist. Darüber hinaus können technische Fehler durch die
Verwendung zusätzlicher Replikate minimiert werden.
Mit dieser einfachen und kostengünstigen Methode können die Proteinkonzentrationen für einen
Großteil der metabolischen Enzyme bestimmt werden, wobei die Genauigkeit mit der aus rein
MS-basierten Methoden vergleichbar ist.
Die Ergebnisse der Methodenentwicklung wurden im Rahmen einer Publikation mit dem Titel
„Efficient, global-scale quantification of absolute protein amounts by integration of targeted mass
spectrometry and two-dimensional gel-based proteomics.“ veröffentlicht (Artikel II; Maass S,
Sievers S, Zühlke D, Kuzinski J, Sappa PK, Muntel J, Hessling B, Bernhardt J, Sietmann R,
Völker U, Hecker M, Becher D. 2011. Anal Chem 83: 2677–2684).
Da die Ergebnisse der vorgestellten neuen Methode im Wesentlichen von der Reproduzierbarkeit,
der Auflösung und der Sensitivität der 2D Gele abhängen, war die weitere Verbesserung der 2D
Elektrophorese zur zusätzlichen Optimierung der Datenabdeckung und -genauigkeit ein logischer
Schritt. Die Etablierung von HPE-Gelen ermöglichte die Identifizierung von 1.759 Spots von 868
cytosolischen Proteinen aus B. subtilis bei deutlich erhöhter Reproduzierbarkeit. Dies stellt
gegenüber traditionellen Gelen eine Steigerung von fast 25 % dar. Dabei gehören die zusätzlich
identifizierten Proteinspots v. a. zu Proteinen mit geringem Molekulargewicht, geringer Abundanz
oder Proteinen mit sehr ähnlichem Molekulargewicht bei gleichem pI.
Der erhöhte Anteil von Gelen mit quantifizierbarer Qualität verringert außerdem den Zeit- und
Kostenaufwand v. a. für komplexe experimentelle Ansätze. So waren bei traditionellen, vertikalen
2D Gelen nur etwa 61 % der Gele für die gelbasierte absolute Quantifizierung geeignet,
wohingegen HPE-Gele von nicht-quantifizierbarer Qualität eher eine Ausnahme bilden. Weniger
als 4 % der HPE-Gele werden aufgrund von unzureichender Reproduzierbarkeit und Qualität nicht
verwendet.
Ergebnisse und Diskussion
73
Die Verwendung von HPE-Gelen reduziert darüber hinaus den Arbeitsaufwand von 2D PAGE
beträchtlich, da: I) sie auch von weniger erfahrenen Personen verwendet werden können, II) die
Laufzeit der Elektrophorese auf ein Drittel verringert ist und III) die bessere Reproduzierbarkeit
der Trennung den manuellen Aufwand bei der computergestützten Auswertung signifikant senkt.
Diese Ergebnisse wurden im Rahmen einer Publikation mit dem Titel „The new horizon in 2D
electrophoresis -new technology to increase resolution and sensitivity“ veröffentlicht (Artikel III;
Moche M, Albrecht D, Maaß S, Hecker M, Westermeier R, Büttner K. 2013. Electrophoresis 34:
1510–1518).
3.3.1 Gelbasierte absolute Quantifizierung zur Untersuchung der generellen
Stressantwort in Bacillus subtilis
Während des Lebens von B. subtilis in seiner natürlichen Umgebung, den oberen Bodenschichten,
wechseln sich Phasen des Wachstums mit Zeitspannen des Wachstumsstillstands, bedingt durch
Stress und Hunger, ab. Die Anpassung an diese wechselnden Umweltbedingungen ist der
Schlüssel für das Überleben bakterieller Zellen in ihren Habitaten. Die im Rahmen dieser Arbeit
entwickelte Methode zur gelbasierten absoluten Proteinquantifizierung ermöglichte erstmals die
Bestimmung von Proteinkonzentrationen in einem physiologischen Kontext. Die Verfügbarkeit
von molaren Proteinmengen in den Modellsystemen Hitzestress und Glukosehunger gestattete
neue Einsichten in die Stress- und Hungerantwort von Bacillus subtilis. Dabei wurden
Proteinkonzentrationen für sieben Zeitpunkte während des Wachstums und des Eintritts in die
stationäre Phase, bedingt durch Glukosehunger, und für vier Probenzeitpunkte zur Untersuchung
der zellulären Hitzestressantwort bestimmt (vgl. Abschnitt 2.8.2.2, Abb. 5). Insgesamt konnten so
773 Proteine (465 Proteine in den Hunger- und 691 Proteine in den Hitzestressexperimenten) in
mindestens einem Probenzeitpunkt zuverlässig quantifiziert werden.
Im Ergebnis der absoluten Proteinidentifizierung dieser Arbeit zeigt sich, dass bakterielle Zellen
auch unter Stressbedingungen die Basalfunktionen des Stoffwechsels und grundlegende zelluläre
Ergebnisse und Diskussion
74
Prozesse aufrechterhalten. So sind etwa 60 % der 100 höchst abundanten Proteine einer Zelle
sowohl in der exponentiellen Wachstumsphase als auch während Hitzestress und Glukosehunger
vorhanden (Abb. 12, dunkelblau). Dabei scheint der Einfluss der verschiedenen Stressstimuli auf
die Proteinmenge überraschend gering zu sein. Nur rund 10 % der 100 höchst abundanten
Proteine werden im Rahmen der Anpassung an Hitzestress oder Glukosehunger verstärkt
angereichert (Abb. 12, rot, gelb, orange). Dies lässt eine sehr hohe funktionelle Effizienz der
Proteine während der Stressantwort vermuten. Der Einfluss der generellen Stressproteine auf die
Gesamtproteinmenge ist dementsprechend noch geringer, nur für 1 % der 100 höchst abundanten
Proteine konnte unter beiden untersuchten Stressbedingungen eine erhöhte Menge bestimmt
werden (Abb. 12, orange).
Abb. 12: Aufteilung der Proteinmengen der 100 höchst abundanten Proteine aus der exponentiellen
Wachstumsphase, sowie unter Hitzestress und Glukosehunger. Proteinmengen (Moleküle pro Zelle) der
100 höchst abundanten Proteine während der exponentiellen Phase (erste Säule), nach 60 min Hitzestress
(zweite Säule) und nach 120 min Glukosehunger (dritte Säule) wurden für die Berechnung der relativen
Mengen stabiler und neu angereicherter Proteine innerhalb der 100 höchst abundanten Proteine der Zelle
genutzt.
Im Rahmen der Stressantwort werden in B. subtilis eine Reihe globaler Regulatoren durch
verschiedenste Stimuli aktiviert. Diese sind Teil komplexer regulatorischer Netzwerke, in denen
die spezifischen oder generellen Antworten einzelner Regulons eng miteinander verknüpft sind.
Ergebnisse und Diskussion
75
Die generellen Stressregulons in B. subtilis werden durch die alternativen Sigmafaktoren σB und
σH, den stringent Faktor RelA und den Transkriptionsfaktor CodY kontrolliert. Für die im Rahmen
dieser Arbeit untersuchten Modellstresssysteme Glukosehunger und Hitzestress konnte gezeigt
werden, dass die σB-Antwort und die Stringent Response den Hauptanteil der Regulation für die
generelle Stressanpassung vermitteln.
Die RelA-vermittelte Stringent Response ist verantwortlich für ein Abschalten vieler Reaktionen
der wachsenden Zelle (z. B. Proteinsynthese) bei zeitgleicher Induktion von
Nährstoffmangelantworten, um so der Verschwendung von Nährstoffen vorzubeugen (Eymann et
al. 2002). Deshalb wird sie durch Aminosäure- oder Glukoselimitation besonders stark aktiviert
(Nishino et al. 1979; Lopez et al. 1981), wobei rund 100 Gene reprimiert und etwa 60 induziert
werden (Mäder et al. 2007). Die negative Stringent Response kontrolliert vor allem Komponenten
der Translationsmaschinerie, Nukleotidbiosynthese, DNA-Replikation, Zellwandsynthese sowie
den RNA- und Energiestoffwechsel. In den Glukosehungerexperimenten dieser Arbeit wirkte sich
die Stringent Response besonders deutlich auf die molaren Mengen des ribosomalen Proteins
RpsB, des Elongationsfaktors FusA, der Adenylatkinase Adk, der Phosphoribosylpyrophosphat-
synthetase Prs und des DNA-Einzelstrangbindenden Proteins SsbA aus (Tab. 10). Auch für das
zellformbestimmende Protein Mbl und Proteine mit Funktionen in der ATP-Synthese und der
Atmung (AtpA und AtpD) konnten verringerte Proteinkonzentrationen nach Glukosehunger
bestimmt werden (Tab. 10).
Der alternative Sigmafaktor σB kontrolliert mit mehr als 150 Genen eines der umfangreichsten
Regulons der generellen Stressantwort in B. subtilis. Die Aktivität dieses Regulons stattet nicht
wachsende Zellen mit einer multiplen, unspezifischen und vorbeugenden Stressresistenz aus, die
hungernde Zellen gegen zukünftigen Stress schützt. Die dafür notwendigen Stimuli umfassen
hohe und niedrige Temperatur, durch Antibiotika verursachten Zellwandstress, Salz-, Ethanol-
und Säurestress, genauso wie Glukose-, Phosphat- und Sauerstofflimitation (Klose 1975; Hecker
et al. 2007).
Während aktiv wachsende Zellen nur etwa 1 % ihrer Translationskapazität für die Produktion
Ergebnisse und Diskussion
76
genereller Stressproteine verwenden, nutzen gestresste oder hungernde B. subtilis Zellen einen
großen Teil (bis zu 40 %) ihrer gesamten Proteinsynthesekapazität für die Produktion dieser
Proteine (Bernhardt et al. 1997). Dieses lässt eine entscheidende Rolle der σB-abhängigen Proteine
bei der generellen Stressantwort vermuten.
Tab. 10: Proteinmengen (in Molekülen pro Zelle) für ausgewählte Proteine der generellen
Stressantwort von B. subtilis nach Glukosehunger und Hitzestress. *: In der Spalte „Stress“ sind die
maximalen Proteinmengen angegeben. Die korrespondieren Zeitpunkte sind dem Text zu entnehmen.
Moleküle/Zelle
Protein Funktion exp. Phase Stress
GLUKOSEHUNGER
Stringent Response
RpsB ribosomales Protein 16.000 8.600
FusA Elongationsfaktor 67.000 37.000
Adk Adenylatekinase 11.000 4.700
Prs Biosynthese von Histidin 3.500 1.300
SsbA DNA Replikation 9.000 4.200
Mbl Bestimmung der Zellform 3.100 960
AtpA Untereinheit der ATP-Synthase 31.000 16.000
AtpD Untereinheit der ATP-Synthase 30.000 14.000
σB-Regulon*
YdbD generelles Stressprotein 190 4.000
YdaD generelles Stressprotein 150 1.200
YdaG generelles Stressprotein 7.600 38.000
YfkM generelles Stressprotein 1.600 4.400
KatE Katalase, generelles Stressprotein 1.300 2.700
Ctc generelles Stressprotein 9.200 20.000
McsB Proteinargininkinase 4.300 12.000
HITZESTRESS
σB-Regulon
YhdN generelles Stressprotein 100 5.800
YvyD generelles Stressprotein 200 9.500
GsiB generelles Stressprotein 3.900 151.000
Die durch einen Partner-Wechsel-Mechanismus aktivierte σB –vermittelte Stressantwort ist
schnell, intensiv und transient. So wird die Transkription des σB -Regulons während Hitzestresses
schnell, aber nur vorübergehend angeschaltet, so dass die mRNA-Level bereits zehn Minuten nach
dem Beginn des Stresses wieder das Basalniveau erreichen (Helmann et al. 2001). Im Rahmen
Ergebnisse und Diskussion
77
dieser Arbeit konnten insgesamt 44 Proteine des σB –Regulons absolut quantifiziert werden, von
denen 33 mehr als 2fach akkumuliert gefunden wurden. Im Gegensatz zu den Transkriptmengen
lagen die Proteine σB –abhängiger Gene bis mindestens eine Stunde nach dem Beginn des Stresses
in deutlich erhöhten Mengen vor. Besonders deutlich akkumulierten dabei die generellen
Stressproteine YhdN, YvyD und GsiB (mehr als 30fach). Während Hitzestress waren das
generelle Stressprotein GsiB, der Anti-anti-Sigmafaktor RsbV und die Protease ClpP die
abundantesten σB-abhängigen Proteine (150.000, 135.000 bzw. 98.000 Moleküle pro Zelle nach
60 Minuten Hitzestress, Tab. 10).
Trotz der generellen Funktion, die σB-abhängige Proteine bei der Stressantwort ausüben, scheint
die Intensität und Dauer der Induktion σB-abhängiger Gene für verschiedene Stimuli
unterschiedlich zu sein. So konnten nur 19 σB-abhängige Proteine während Glukosehunger
quantifiziert werden. Nur sieben dieser Proteine wurden in mindestens einem Probenzeitpunkt
statistisch (p=0,05, ANOVA) signifikant akkumuliert (>2fach). Hierbei zeigten die generellen
Stressproteine YdbD, YdaD, YdaG und YfkM die höchsten Akkumulationsraten nach 240 min
stationärer Phase (Tab. 10). Diese waren mit maximal 20fach jedoch deutlich geringer als nach
Hitzestress. Mit 20.000-57.000 Molekülen pro Zelle waren die Protease ClpP und die generellen
Stressproteine YvgN und YvaA die abundantesten σB-abhängigen Proteine. Fünf der sieben
signifikant veränderten Proteine, namentlich die generellen Stressproteine YdbD, YdaD, YdaG,
YfkM und die Katalase KatE, akkumulierten erst in der späten stationären Phase. Im Gegensatz
dazu wurden Proteinmengen des generellen Stressproteins Ctc und der σB- und CtsR-abhängigen
Argininkinase McsB nur transient angereichert. Während Ctc während der transienten Phase in
höchster Menge vorlag, konnte die maximale Menge für McsB nach 120 min hungerbedingter
stationärer Phase bestimmt werden.
Unterstützende gelbasierte Analysen durch radioaktive Markierung erlaubten die relative
Quantifizierung der Proteinsynthese von 37 σB-abhängigen Proteinen. Davon waren bei 27
Proteinen die Mengen in mindestens einem Probezeitpunkt signifikant erhöht (p=0,05, ANOVA,
Ergebnisse und Diskussion
78
>3fach). Die Induktion der generellen Stressproteine erreichte ihren Höchststand 30 min nach
Eintritt in die stationäre Phase. Nach 120 min stationärer Phase waren die Proteinmengen dann
wiederum vergleichbar mit denen des Kontrollzeitpunktes während des exponentiellen
Wachstums. Trotz dieser transienten Induktion der Proteinsynthese konnte nur eine geringe
Akkumulation einiger weniger Stressproteine beobachtet werden (Abb. 13). Durchschnittlich
reicherten sich σB-abhängige Proteine nach 240 min Glukosehunger 1,8fach an, wohingegen die
Akkumulation nach 60 min Hitzestress 5,2fach betrug und damit mehr als dreimal so hoch war.
Ähnliche Ergebnisse, nämlich eine durchschnittliche Anreicherung um Faktor 3,2, wurden in
früheren Arbeiten zur Analyse der bakteriellen Salzstressantwort in B. subtilis beschrieben (Hahne
et al. 2010). Dabei lagen die maximalen Induktionsraten bei 5,4 für Salzstress (Höper et al. 2006),
8,0 für Glukosehunger und 52,4 für Hitzestress, was auf deutliche Unterschiede in der σB-
abhängigen Regulation während der Adaptation an verschiedene Stressstimuli hindeutet.
Die Zuordnung der quantifizierten Proteine zu verschiedenen Regulons ergab, dass Proteine,
deren Expression durch die Regulatoren PerR (Anpassung an Peroxid) und Spx (Antwort auf
thiolspezifischen oxidativen Stress) reguliert wird, nach Hitzestress angereichtert wurden, was die
überlappende Reaktion auf Hitze- und oxidativen Stress betont. Da sekundärer oxidativer Stress
vor allem nach Umweltstress beschrieben ist (Höper et al. 2005; Reder et al. 2012), wurden die
quantitativen Daten für Proteine mit Funktionen in der Anpassung an oxidativen und elektrophilen
Stress aus dieser Arbeit genauer überprüft. In der Tat waren die Proteinmengen für 25 von 35
quantifizierten oxidativen Stressproteinen mindestens 2fach erhöht (Anh. 3). Die Anzahl der
Moleküle von YvyD, OhrB, SigB und Dps pro Zelle erhöhte sich nach 60 min Hitzestress um
mehr als das Zehnfache (Anh. 3). Da die Expression der korrespondierenden Gene dieser Proteine
durch σB kontrolliert sind, ist diese hohe Akkumulation höchstwahrscheinlich durch additive
Effekte der generellen Stressantwort und der Antwort auf oxidativen Stress verursacht. Dies wird
durch die Beobachtung gestützt, dass die Konzentrationen von Proteinen ohne zusätzliche
Regulation durch die generelle Stressantwort, wie der Nitro/- Flavinreduktase NfrA, der
möglichen Thiolperoxidase Tpx, der Alkylhydroperoxidreduktase AhpC/AhpF und der
Ergebnisse und Diskussion
79
Abb. 13: Dynamik des Proteinmusters ausgewählter σB-abhängiger Proteine in wachsenden und
gestressten Zellen. Die Proteinmuster ausgewählter σB-abhängiger Proteine im 2D Gel sind für
exponentiell wachsende Zellen (grün) und gestresste Zellen (rot) während verschiedener Wachstumsphasen
dargestellt. Dabei korrespondieren die Spalten mit denen in Abschnitt 2.8.2.2 beschriebenen
Probezeitpunkten (exp. = exponentielles Wachstum, trans.= transiente Phase K.= Kontrolle). Unter jedem
Gelausschnitt ist die absolute Proteinmenge in Molekülen pro Zelle angegeben. Die Diagramme zeigen die
log2-Verhältnisse der Proteinmengen verglichen mit der Proteinmenge der Kontrollprobe (exp. bzw. K.) für
Glukosehunger (blau) und Hitzestress (orange). Für das Hungerexperiment sind diese Verhältnisse darüber
hinaus für akkumulierte (hellblau) und synthetisierte (dunkelblau) Proteine dargestellt.
Ergebnisse und Diskussion
80
Superoxiddismutase SodA, um nicht mehr als das Fünffache anstiegen.
In früheren Arbeiten konnte gezeigt werden, dass oxidativer Stress zur Derepression MgsR-
regulierter Gene führt (Reder et al. 2008). MgsR kontrolliert ein Unterregulon der generellen
Stressantwort, von dem 23 Proteine innerhalb dieser Arbeit nach Hitzestress absolut quantifiziert
werden konnten. 13 dieser Proteine zeigten ein Expressionsmuster wie es bereits für Ethanolstress
beschrieben wurde, was auf eine regulatorische Funktion von MgsR auch nach Hitzestress
hindeutet. Im Gegensatz dazu scheint sekundärer oxidativer Stress bei der Anpassung der
Genexpression an Glukosehunger keine wichtige Rolle zu spielen. In dieser Arbeit konnten für
nur 2 Proteine mit Funktionen gegen oxidativen und elektrophilen Stress (KatE, YbdD)
mindestens zweifach erhöhte Mengen während Glukosehungers detektiert werden. Da beide
Proteine durch σB reguliert werden, könnte ihre Akkumulation möglicherweise eher ein Effekt
dieses regulatorischen Mechanismus sein. Weitere 16 Proteine mit Funktionen bei der Anpassung
an oxidativen Stress konnten im Rahmen dieser Arbeit während Glukosehungers quantifiziert
werden. Keines dieser Proteine wurde während der stationären Phase in erhöhter Kopienzahl
gefunden. Dies wird auch in einer früheren Publikation bestätigt (Otto et al. 2010). Dort konnten
24 σB-unabhängige cytosolische Proteine mit Funktionen bei der Resistenz gegen oxidativen
Stress relativ quantifiziert werden. Nur drei dieser Proteine wurden in signifikant erhöhten
Mengen gefunden, was möglicherweise durch andere direkte oder indirekte regulatorische Effekte
verursacht worden sein könnte und nicht durch sekundären oxidativen Stress.
Die in diesem Abschnitt beschriebenen Ergebnisse sollen im Rahmen einer Publikation mit dem
Titel „Absolute protein quantification of stress and starvation responses in Bacillus subtilis“
veröffentlicht werden (Artikel IV; Maaß S, Wachlin G, Bernhardt J, Eymann C, Fromion V,
Riedel K, Becher D, Hecker M. 2014. Mol Cell Proteomics, in Revision [MCP/2013/035741]).
Ergebnisse und Diskussion
81
3.3.2 Gelbasierte absolute Quantifizierung zur Untersuchung der spezifischen
Glukosehungerantwort in Bacillus subtilis
Glukosehunger ist eines der am besten untersuchten Stresssysteme in B. subtilis. In den letzten
Jahren wurden verschiedenste Methoden genutzt, um die Hungeranpassung auf Transkriptom- und
Proteomebene zu untersuchen. So existieren Ergebnisse zur Anpassung der Genexpression
(Koburger et al. 2005) und der Proteinsynthese (Bernhardt et al. 2003) genauso wie Studien zur
Proteinstabilität (Gerth et al. 2008) oder der zeitaufgelösten Änderung von Proteinmengen
innerhalb verschiedener Subproteome (Otto et al. 2010). Im Rahmen dieser Arbeit konnten die
vorhandenen ausführlichen Ergebnisse um hoch qualitative und zeitaufgelöste absolute
Quantifizierungsdaten ergänzt werden. Dafür wurde das lösliche intrazelluläre Proteom von
B. subtilis zu sieben Zeitpunkten entlang der bakteriellen Wachstumskurve vor und während
Glukosehunger untersucht (vgl. Abschnitt 2.8.2.2) und dabei 465 Proteine absolut quantifiziert,
von denen 219 signifikant (p=0,05, ANOVA) veränderte Mengen zeigten. 427 der quantifizierten
Proteine wurden bereits in vorausgegangenen Studien relative quantifiziert (Otto et al. 2010).
Während die Anzahl der quantifizierbaren Proteine in dieser Arbeit auf cytosolische Proteine, die
mit 2D PAGE detektiert werden können, beschränkt ist, konnten Otto und Mitarbeiter durch
Nutzung MS-basierter Methoden quantitative Daten für 890 weitere Proteine bestimmen. Trotz
dieser deutlich höheren Proteomabdeckung konnten Otto et al. mit ihrer Methodik nur relative
Quantifizierungsdaten erzeugen, während im Rahmen dieser Arbeit erstmalig physiologisch
relevante absolute Proteinkonzentrationen von B. subtilis unter Glukosehunger bestimmt wurden.
Für das 87 kDa schwere Protein mit unbekannter Funktion YobO konnte dabei die geringste
Proteinmenge bestimmt werden (13 Moleküle pro Zelle nach 120 min stationärer Phase). IlvC, ein
Protein mit Funktion bei der Biosynthese verzweigtkettiger Aminosäuren und der
Elongationsfaktor Tu (TufA) waren mit rund 20.000 Molekülen die höchst abundanten Proteine in
der Zelle (nach 60 min stationärer Phase).
Die hohe Anzahl absolut quantifizierter Proteine ermöglicht neue Einblicke in die
Ergebnisse und Diskussion
82
Glukosehungeranpassung von B. subtilis. Die bevorzugte Kohlenstoffquelle Glukose wird nach
der Aufnahme über die Glykolyse verstoffwechselt. Diese erzeugt Vorläufermoleküle für den
Anabolismus, erlaubt aber auch die Energieerhaltung durch Substratkettenphosphorylierung. Bei
Glukoseüberschuss wird ATP fast ausschließlich über die Substratkettenphosphorylierung der
Glykolyse erzeugt. Durch absolute Proteinquantifizierung konnte im Rahmen dieser Arbeit das
molekulare Verhältnis glykolytischer Enzyme zueinander wie folgt bestimmt werden:
10 Moleküle Pgi : 38 Moleküle FbaA : 5 Moleküle GapA : 10 Moleküle Pgk : 4 Moleküle Pgm :
40 Moleküle Eno. Die unterschiedlichen Konzentrationen für die verschiedenen Enzyme eines
metabolischen Weges weisen auf eine unterschiedliche Enzymaktivität oder Substrataffinität hin
und konnten auch in anderen Arbeiten nachgewiesen werden (Muntel et al. 2014, Artikel V).
Auch eine Funktion der Enzyme außerhalb des spezifischen Stoffwechselweges wäre denkbar.
Das stöchiometrische Verhältnis innerhalb des Kernkomplexes des Zitronensäurezyklus,
bestehend aus der Isocitratdehydrogenase Icd, der Malatdehydrogenase Mdh und der
Citratsynthase CitZ (Meyer et al. 2011), wurde wie folgt bestimmt: 4 Moleküle Icd :
4 Moleküle Mdh : 1 Molekül CitZ. Da sowohl Mdh als auch Icd mit einer Vielzahl anderer
Proteine des Zitronensäurezyklus und assoziierter metabolischer Wege interagieren, könnten die
berechneten Stöchiometrien aus cytoplasmatischen Proteinextrakten jedoch vom tatsächlichen
Mengenverhältnis innerhalb des temporären Proteinkomplexes abweichen.
Der Übergang von wachsenden zu hungernden Zellen geht mit einer weitläufigen Umorganisation
des Genexpressionsmusters einher. So wird nach dem Übergang in die stationäre Phase aufgrund
von Glukosehunger die Synthese von mehr als 400 Proteinen abgeschaltet, während mehr als 150
Proteine induziert werden (Bernhardt et al. 2003). DNA Arrays ergaben sogar, dass fast 1.000
Gene reprimiert werden und etwa dieselbe Zahl neu exprimiert wird (Blencke et al. 2003;
Koburger et al. 2005). Dabei wird der zentrale Kohlenstoffmetabolismus am offensichtlichsten
reguliert. Die Glykolyse wird nach dem Verbrauch von Glukose repremiert, da das gapA-Operon
zur Expression hohe Glukosekonzentrationen benötigt (Tobisch et al. 1999; Fillinger et al. 2000;
Ludwig et al. 2001). Eine alleinige Repression der Genexpression in nicht-wachsenden Zellen
Ergebnisse und Diskussion
83
würde zu stabilen Proteinmengen führen. Halbierte Proteinmengen für glykolytische Enzyme nach
180 min Glukosehunger weisen daher auf eine zusätzliche proteolytische Degradation
unbeschäftigter Enzyme hin (Tab. 11). Zeitgleich werden die Schlüsselenzyme der
Glukoneogenese, GapB und PckA, deutlich induziert (Bernhardt et al. 2003; Koburger et al. 2005;
Otto et al. 2010). Die Proteinmenge dieser Enzyme konnte im Rahmen dieser Arbeit auf 1.700
(GapB) und 3.700 (PckA) Moleküle pro Zelle während des exponentiellen Wachstums sowie
4.400 (GapB) und 5.200 (PckA) Moleküle pro Zelle nach vier Stunden Glukosehunger bestimmt
werden (Tab. 11).
Darüber hinaus wird der Zitronensäurezyklus, der für die vollständige Oxidation von Glukose
über Acetyl-Coenzym A benötigt wird, dereprimiert, was den Überflussmetabolismus nicht länger
nötig macht (Bernhardt et al. 2003; Koburger et al. 2005; Otto et al. 2010). Wie erwartet, deuten
die im Rahmen dieser Arbeit bestimmten absoluten Enzymmengen auf einen erhöhten Bedarf an
Zwischenprodukten des Zitronensäurezyklus während Glukosehungers hin. So erhöhte sich die
Anzahl zellulärer Kopien der Citratsynthase CitZ, einer Unterheinheit der α-
Ketogluteratdehydrogenase (OdhA), beider Untereinheiten der Succinyl-CoA-synthetase (SucC,
SucD) und einer Untereinheit der Succinatdehydrogenase (SdhA) um mindestens Faktor 1,7
(Tab. 11).
Weitere hungerspezifische Regulationen gewährleisten die CcpA-vermittelte Aufnahme und
Nutzung alternativer Kohlenstoffquellen und die Bewegung von Zellen in Richtung neuer
Nährstoffquellen durch Chemotaxis. So konnten in dieser Arbeit für die Untereinheiten der
Acetoindehydrogenase (AcoABC) signifikant erhöhte Proteinmengen bestimmt werden. Dies traf
auch auf die Acetyl-CoA-synthetase AcsA sowie die 6-Phospho-α-glukosidase MalA und IolD zu
(Tab. 11); Enzyme, die für den Katabolismus von sekundären Kohlenstoffquellen wie Acetat,
Maltose und Myo-Inositol benötigt werden. Dies deutet auf eine Derepression CcpA-abhängiger
kataboler Gene auch ohne die Anwesenheit eines ersichtlichen externen Induktors hin. Im Falle
von AcsA kann die Akkumulation des Proteins durch einen möglichen internen Induktor erklärt
werden, da der Abbau von Lipiden während der hungerbedingten stationären Phase (Koburger et
Ergebnisse und Diskussion
84
al. 2005) eine zusätzliche Quelle für Acetyl-Coenzym A bilden könnte.
Der Vergleich der absoluten Proteinmengen dieser Arbeit mit den Ergebnissen der relativen
Proteinquantifizierung von Otto und Mitarbeitern (Otto et al. 2010) ergab, dass die Anreicherung
von Enzymen des Zitronensäurezyklus, der Glukoneogenese und für die Verstoffwechselung
sekundärer Kohlenstoffquellen weniger signifikant war. Hier ist zu berücksichtigen, dass während
der relativen Quantifizierung Proteinmengen zweier Bedingungen verglichen werden, ohne die
tatsächliche Konzentration in der Zelle zu berücksichtigen. Im Gegensatz dazu bezieht die
absolute Quantifizierung dieser Arbeit die Anzahl der bakteriellen Zellen einer Probe und deren
Größe in die Berechnung der Kopienanzahl mit ein. Daher verursacht eine reduzierte Zellgröße,
wie z. B. während Glukosehungers, eine verringerte Kopienzahl pro Zelle bei gleichbleibender
Proteinkonzentration im Gesamtproteinextrakt. Dies verstärkt die quantitativen Effekte negativer
Regulationen und schwächt die Effekte positiver Regulationen ab. Da diese Arbeit absolute
Proteinmengen als Anzahl der Moleküle in einer Zelle betrachtet, ist dies die Erklärung für die
scheinbar geringere Anreicherung verschiedener Proteine.
Während der Anpassung an Glukosehunger konnte schon mit Eintritt in die stationäre Phase eine
deutlich verringerte Menge von Proteinen mit Funktionen in der Aminosäurebiosynthese
beobachtet werden. Dieser Effekt verstärkte sich nach 240 min Glukosehunger noch einmal
deutlich. Die auffälligsten Änderungen der Proteinmenge wurden dabei für die biosynthetischen
Wege von Methionin, Arginin und verzweigtkettiger Aminosäuren festgestellt. So sank die Menge
der Cystathionin-β-lyase MetC und der Methioninsynthase MetE mehr als 3fach. Dies trifft auch
auf Proteine mit Funktionen in der Biosynthese von Arginin, wie der N-acetyl-g-
glutamylphosphatreduktase ArgC und der Acetylornithintransaminase ArgD zu. Ähnliche
Ergebnisse konnten für Biosyntheseenzyme verzweigtkettiger Aminosäuren wie der
Threonindehydratase IlvA, der Aminotransferase YwaA und der 2-Isopropylmalatsynthase LeuA
beobachtet werden (Tab. 11). Dies unterstützt die Annahme, dass der Abbau ungenutzter Enzyme
unter Hungerbedingungen helfen kann, den Bedarf an Aminosäuren zu decken, was die
Notwendigkeit von Aminosäureneusynthesen reduzieren würde.
Ergebnisse und Diskussion
85
Tab. 11: Proteinmengen (in Molekülen pro Zelle) für ausgewählte Proteine der spezifischen
Stressantwort von B. subtilis nach 240 min Glukosehunger.
Moleküle/Zelle
Protein Funktion exp. Phase Glukosehunger
Glykolyse
Pgi Glukose-6-phosphatisomerase 35.600 14.400
PfkA Phosphofruktokinase 8.100 4.300
FbaA Fructose-1,6-phosphataldolase 120.000 69.900
GapA Glyceraldehyd-3-phosphatdehydrogenase 19.300 13.600
Pgk Phosphoglyceratkinase 28.900 21.100
Pgm Phosphoglyceratmutase 12.300 7.800
Eno Enolase 140.000 71.000
Glukoneogenese und Nutzung alternativer Kohlenstoffquellen
GapB Glyceraldehyd-3-phosphatdehydrogenase 1.700 4.400
PckA Phosphoenolpyruvatcarboxykinase 3.700 5.200
PycA Pyruvatcarboxylase 2.800 3.600
AcoA Untereinheit der Acetoindehydrogenase 6.300 24.000
AcsA Acetyl-CoA Synthetase 4.100 8.400
MalA 6-Phospho-alpha-glucosidase 1.200 3.100
IolD Myoinositolstoffwechsel 160 410
Zitronensäurezyklus
CitZ Citratsynthase 21.300 34.300
OdhA Untereinheit der α-Ketoglutaratdehydrogenase 4.000 7.900
SucC Untereinheit der Succinyl-CoA-Synthetase 17.300 28.700
SucD Untereinheit der Succinyl-CoA-Synthetase 4.900 11.500
SdhA Untereinheit der Succinatdehydrogenase 4.500 7.600
Aminosäuresynthese
MetC Cystathionin-β-lyase 4.900 1.600
MetE Methioninsynthase 67.400 21.700
ArgC N-acetyl-g-glutamylphosphatreduktase 2.800 800
ArgD Acetylornithintransaminase 4.300 1.400
IlvA Threonindehydratase 2.400 180
YwaA Aminotransferase der verzweigtkettigen Aminosäuren 15.300 5.800
LeuA 2-Isopropylmalatsynthase 7.500 3.000
Nur die Verfügbarkeit von absoluten Proteinmengen ermöglicht die Untersuchung der Verteilung
eben dieser Mengen auf die wesentlichen Lebensabläufe in B. subtilis. Dabei scheint die
Verteilung der Ressourcen und v. a. der Proteine innerhalb der Zelle wesentlich das Wachstum der
Population zu beeinflussen (Scott et al. 2010; Shachrai et al. 2010; Goelzer et al. 2011). Der
Hauptaspekt liegt dabei im sparsamen Umgang mit Nährstoffen vermittelt durch verschiedene
Regulationsmechanismen wie z. B. der Repression spezieller Stoffwechselwege. Diese gesparten
Ergebnisse und Diskussion
86
Nährstoffe können dann in biologische Prozesse für eine Steigerung des Zellwachstums investiert
werden, wie z. B. durch Erhöhung der Translationskapazität. Das Wissen über die Kosten eines
biologischen Prozesses, definiert als die investierte Gesamtproteinmenge, ist daher besonders
wichtig für das physiologische Verständnis der Stressanpassung. Dabei sind die Kosten eines
biologischen Prozesses als Summe der Kosten der einzelnen involvierten Proteine zu verstehen,
wobei die Kosten einzelner Proteine aus deren absoluter Menge und dem Molekulargewicht
berechnet werden (Muntel et al. 2014, Artikel V).
Eine Analyse der Proteinmengenverteilung und damit der Proteinkosten ergab, dass ein
erheblicher Teil der dem Aminosäurestoffwechsel zugeordneten Proteinmasse während
Glukosehungers dem zentralen Kohlenstoffwechsel überlassen wird (Abb. 14). Der erhöhte
Bedarf an Proteinmenge im zentralen Kohlenstoffwechsel wird mit hoher Wahrscheinlichkeit
durch die Induktion des Zitronensäurezyklus, der Glukoneogenese und der Wege zur Aufnahme
sekundären Kohlenstoffquellen verursacht und kann nicht allein durch die verringerten
Proteinmengen glykolytischer Enzyme gedeckt werden.
Abb. 14: Verteilung der Proteinmengen zwischen den Lebensprozessen in B. subtilis während des
Glukosehungers. Die relative Verteilung der Proteinmasse auf wesentliche Lebensprozesse sind in den
Balken wie folgt dargestellt (von links nach rechts): während des exponentiellen Wachstums (exp.),
während der transienten Phase (trans.), zum Zeitpunkt der maximalen optischen Dichte (max. OD), sowie
nach 60 min, 180 min und 240 min stationäre Phase bedingt durch Glukosehunger.
Die gute Datenlage dieser Arbeit führt auf die Frage hin, wie lange es dauert, bis Änderungen in
der Proteinsynthese auf Ebene der akkumulierten Proteinmengen messbar werden. Um diese
Ergebnisse und Diskussion
87
Frage zu beantworten, wurden die absoluten Proteinmengen während Glukosehunger mit älteren
Daten zur Proteinsynthese verglichen (Bernhardt et al. 2003). Da nur die Proteine mit einem
veränderten Expressionsmuster für diese Art der Analyse von Interesse sind, wurden gemeinsam
Abb. 15: Verteilung der Dauer von Proteinan- und –abreicherung nach Induktion und Repression
der Synthese während Glukosehungers. Gemeinsam quantifizierte Proteine dieser Arbeit und einer
Arbeit zur Proteinsynthese (Bernhardt et al. 2003) wurden verglichen. Die Zeitpunkte, an denen die ersten
Mengenänderungen messbar waren, wurden gegenübergestellt und die Zeitspanne zwischen Synthese- und
Mengenänderung berechnet. Diese bildet die Grundlage für den verwendeten Farbcode in den Voronoi-
Karten. Die ersten drei Karten (von oben links nach unten rechts) zeigen die Hierarchie der analysierten
Proteine. In der vierten Karte (unten rechts) sind induzierte/ akkumulierte Proteine in Orange,
repremierte/abgereicherte Proteine in Blau dargestellt. Je schneller die Änderung der Proteinmenge
detektiert wurde, desto weniger grau erscheint die Farbe (siehe Farbcode unter der Karte unten rechts).
Ergebnisse und Diskussion
88
quantifizierte Proteine beider Studien, die eine mindestens zweifach veränderte Proteinsynthese
zeigten, gegenübergestellt. Dies führte zur genaueren Analyse von 41 induzierten und 100
repremierten Proteinen. Für etwa die Hälfte der induzierten Proteine konnten gesteigerte
Proteinmengen im selben Probenzeitpunkt detektiert werden, was auf eine zeitnahe
Proteinexpression und –anreicherung hindeutet (Abb. 15).
Diese Proteine erfüllen Funktionen in der Verarbeitung genetischer Informationen, wie z. B. das
Paralog ribosomaler Proteine Ctc, der transkriptionale Elongationsfaktor GreA oder der
alternative Sigmafaktor σB, oder werden für die Nutzung alternativer Kohlenstoffquellen benötigt
(AcsA, LicH, AcoB). Die Akkumulation anderer induzierter Proteine benötigte mindestens 60 min
(Abb. 15). Die Funktionen der Proteine, deren Mengen sich erst sehr spät anreicherten
(>240 min), sind sehr unterschiedlich und können nicht ohne Weiteres zusammengefasst werden.
Dem gegenüber steht, dass 80 % der repremierten Proteine länger als 240 min nach Beginn der
Repression ihrer Synthese in der Zelle stabil sind (Abb. 15). Die meisten dieser Proteine (62,5 %)
erfüllen Aufgaben im zentralen Kohlenstoffstoffwechsel und bei der Biosynthese von
Nukleotiden, Aminosäuren und Kofaktoren. Nur drei Proteine konnten als sehr instabil
klassifiziert werden. Diese waren das Translationsenzym Tgt, CarB, involviert in die Biosynthese
von Arginin und ein Enzym des Schwefelmetabolismus (Sat).
Die in diesem Abschnitt beschriebenen Ergebnisse sollen im Rahmen einer Publikation mit dem
Titel „Absolute protein quantification of stress and starvation responses in Bacillus subtilis“
veröffentlicht werden (Artikel IV; Maaß S, Wachlin G, Bernhardt J, Eymann C, Fromion V,
Riedel K, Becher D, Hecker M. 2014. Mol Cell Proteomics, in Revision [MCP/2013/035741]).
3.3.3 Gelbasierte absolute Quantifizierung zur Untersuchung der spezifischen
Hitzestressantwort in Bacillus subtilis
Hitzestress in B. subtilis ist einer der bestuntersuchten Modellansätze für die Anpassung dieses
Bakteriums an sich ändernde Umweltbedingungen. Im Rahmen dieser Arbeit wurde das lösliche
Ergebnisse und Diskussion
89
intrazelluläre Proteom von B. subtilis unter Kontrollbedingungen und nach 10, 30 und 60 min
Hitzestress bei 52 °C untersucht (vgl. Abschnitt 2.8.2.2) und dabei 701 Proteine absolut
quantifiziert, von denen 287 signifikant (p=0,05, ANOVA) veränderte Mengen zeigten. Bis zu
dieser Arbeit waren nur relative Quantifizierungsdaten für 246 cytosolische Proteine verfügbar
(Wolff et al. 2006). Mit dieser Studie konnte die Proteomabdeckung um 455 Proteine erweitert
werden, wobei für alle 701 Proteine, die während Hitzestress identifiziert wurden, auch absolute
Quantifizierungsdaten bereitgestellt werden konnten. Als Protein mit der geringsten
intrazellularen Konzentration konnte dabei die DNA-Exonuklease SbcC bestimmt werden
(7 Moleküle pro Zelle nach 60 min Hitzestress). Das Chaperonin GroES war mit
500.000 Molekülen pro Zelle (nach 30 min Hitzestress) das höchst abundante Protein in der Zelle.
Die Gene und Proteine, die nach Hitzestress induziert werden, gehören verschiedenen Regulons
an. Der transkriptionale Repressor HrcA, der spezifisch auf Hitze reagiert, bindet an konservierte
regulatorische Sequenzen, die sogenannten CIRCE-Elemente (Kurzform für engl.: controlling
inverted repeat of chaperone expression, kontrollierende, sich gegenläufig wiederholende DNA-
Sequenzen für die Chaperonexpression). Das HrcA-Regulon umfasst zwei Operons: Eines
beinhaltet neben anderen Genen auch die Gene für den Regulator HrcA, das Chaperon DnaK und
dessen Regulatorprotein GrpE (Schulz und Schumann 1996; Homuth et al. 1997). Es ist
beschrieben, dass die ersten drei Gene des HrcA-Operons, dnaK, grpE und hrcA, nach moderatem
Hitzestress (48 °C) stark induziert werden, während die Expression nachgeordneter Gene (dnaJ,
yqeT, yqeU, yqeV) maximal verdoppelt wird (Helmann et al. 2001). Im Gegensatz dazu konnte
unter den wachstumshemmenden Bedingungen bei 52 °C, die in dieser Arbeit verwendet wurden,
eine 4-5fache Anreicherung des molekularen Chaperons DnaK und dessen Aktivators GrpE
gemessen werden (Tab. 12). Im zweiten Operon sind die Gene groEL und groES organisiert, die
ebenfalls für Chaperone kodieren (Li und Wong 1992; Schmidt et al. 1992). Im Rahmen dieser
Arbeit konnte gezeigt werden, dass sich die Mengen von GroEL und GroES unter Hitzestress um
mehr als das 10fache erhöhen (Tab. 12). GroES war mit etwa 7 % der Gesamtmasse der
detektierten Proteine das höchst abundante Protein während des Hitzestresses.
Ergebnisse und Diskussion
90
Tab. 12: Proteinmengen (in Molekülen pro Zelle) für ausgewählte Proteine der spezifischen
Stressantwort von B. subtilis nach 60 min Hitzestress. * aufgrund einer transienten Regulation ist der
Wert für 30 min Hitzestress angegeben.
Moleküle/Zelle
Protein Funktion exp. Phase Hitzestress
Chaperone und Proteasen
ClpC ATPase der ClpC-ClpP-Protease 1.100 11.200
ClpE ähnlich zur ATP-abhängigen Clp-Protease 850 890
ClpP proteolytische Untereinheit der Clp-Proteasen 12.500 97.800
DnaK molekulares Chaperon 11.000 51.100
GrpE Aktivierung von DnaK 2.000 8.400
GroEL Chaperonin 20.000 190.000
GroES Chaperonin 37.000 500.000
HtpG molekulares Chaperon 1.200 17.000
LonA Protease 250 680
hitzeinduzierbare Proteine
NfrA Stressprotein 400 2.000
AhpC Untereinheit der Alkylhydroperoxidreduktase 56.000 250.000
AhpF Untereinheit der Alkylhydroperoxidreduktase 7.800 33.000
Proteine mit abnehmender Menge
HisH Tyrosintransaminase 1.000 600
MetE Methioninsynthase 70.800 42.600
ThiF Biosynthese von Thiamin 370 200
HisF Biosynthese von Histidin 4.200 2.700*
ArgB N-acetylglutamat- 5-phosphotransferase 470 150*
PatB Cystathion-β-lyase 3.800 2.600*
MoeA Molybdopterinbiosyntheseprotein 730 290*
Weitere hitzeinduzierte Gene werden durch den negativen Regulator CtsR kontrolliert und
kodieren für Proteasen und Chaperone wie ClpP, ClpC und ClpE (Krüger und Hecker 1998; Derré
et al. 1999a, 1999b). Da die Gene dieses Regulons zumindest teilweise auch durch σB reguliert
werden, können sie zeitgleich dem σB-Regulon zugeordnet werden. Dies erklärt auch, warum die
Expression dieser Enzyme zusätzlich durch eine Reihe weiterer Stressoren verstärkt werden kann.
Transkriptionsstudien der Hitzestressantwort in B. subtilis zeigen eine starke Induktion des CtsR-
Operons, die ihr Maximum zehn Minuten nach Beginn des Stresses und damit erst nach der
Aktivierung des σB-Regulons erreicht (Helmann et al. 2001).
Im Rahmen dieser Arbeit konnten für die ATPasen ClpC und ClpE sowie für die Protease ClpP
signifikant gesteigerte Proteinkonzentrationen nachgewiesen werden. Schon nach 10 min
Ergebnisse und Diskussion
91
Hitzestress stieg die Menge ClpE um das siebenfache an (6.000 Moleküle pro Zelle). Nach 30 min
Hitzestress erreichte die Proteinmenge von ClpE jedoch schon wieder fast das Basalniveau von
850 Kopien pro Zelle, was auf eine geringe Proteinstabilität von ClpE hinweist. Ähnliche
Beoachtungen wurden bereits von Gerth und Mitarbeitern gemacht (Gerth et al. 2004). Im
Gegensatz dazu wurden ClpC und ClpP nach 10 min Hitzestress um das 4-8fache angereichert
(Tab. 12) und die erhöhte Proteinmenge war anschließend während des gesamten Experiments
(bis 60 min Hitzestress) messbar. Dabei gehören ClpP und ClpC mit 98.000 und
12.000 Molekülen pro Zelle nach 30 min Hitzestress zu den 100 abundantesten Proteinen in
B. subtilis. Auch eine Analyse der Verteilung der Proteinmassen, die nur durch absolute
Quantifizierung möglich ist, verdeutlichte die ausgeprägte Anreicherung von Chaperonen und
Proteasen während des Hitzestresses. Diese Proteine bildeten 4 % der gesamten Proteinmasse
während des exponentiellen Wachstums bei 37 °C, ihr Anteil erhöhte sich jedoch nach Hitzestress
auf 13 %. Die Abnahme der relativen Proteinmenge von Enzymen der Aminosäurebiosynthese
von 22 % unter Kontrollbedingungen auf 13 % unter Hitzestress zeigt, dass die benötigten
Ressourcen für die deutlich erhöhte Menge von Chaperonen und Proteasen höchstwahrscheinlich
durch den Abbau von Enzymen der Aminosäurebiosynthese gewonnen werden.
Weitere hitzeinduzierte Gene gehören zum monocistronischen HtpG-Operon (Schumann 2003)
oder werden durch das Zweikomponentensystem CssRS kontrolliert (Darmon et al. 2002). Auf
Transkriptionsebene konnte 1997 eine zehnfache htpG-Induktion beim Übergang von 37 °C zu
48 °C bestimmt werden (Schulz et al. 1997). Die deutlich höhere Proteinanreicherung von HtpG,
die in dieser Arbeit bestimmt wurde (14fach, Tab. 12), ist daher höchst wahrscheinlich durch die
höhere Kultivierungstemperatur von 52 °C verursacht. Trotz der beschriebenen
Hitzeinduzierbarkeit konnte in dieser Arbeit kein Mitglied des CssRS-Regulons quantifiziert
werden. Dies liegt wahrscheinlich darin begründet, dass diese Proteine, mit Ausnahme von CssR,
membranverankert sind und daher nicht durch 2D PAGE erfasst werden können.
Zusätzlich sind hitzeinduzierte Proteine beschrieben, die keinem der zuvor beschriebenen
regulatorischen Einheiten angehören. Zu ihnen zählen FtsH (Deuerling et al. 1997), SacB
Ergebnisse und Diskussion
92
(Schumann et al. 2002), LonA (Riethdorf et al. 1994), AhpC, AhpF (Antelmann et al. 1996),
NfrA, YwcH (Moch et al. 2000) und Mitglieder des SigI-Regulons (Zuber et al. 2001). Obwohl
LonA während Hitzestress um das Dreifache angereichert wurde, konnte im ANOVA-Test keine
statistische Signifikanz nachgewiesen werden (p=0,05). Die Proteinmenge von NfrA wurde um
das Fünffache gesteigert, während sich die Konzentrationen von AhpC und AhpF um Faktor 4
erhöhten (Tab. 12).
Vergleiche der Daten dieser Arbeit mit bereits publizierten relativen Proteinquantifizierungen
(Wolff et al. 2006) zeigten eine gute Übereinstimmung. 23 von 46 hitzeinduzierten Proteinen
wurden auch in der Studie von Wolff und Mitarbeitern induziert gefunden.
Im Rahmen dieser und früherer Arbeiten konnten jedoch auch Proteine mit abnehmender Menge
während des Hitzestresses detektiert werden. Diese Proteine erfüllen überwiegend Funktionen
während des Zellwachstums. Zu Ihnen gehören ribosomale Proteine und Elongationsfaktoren,
aber auch Enzyme mit Aufgaben im Nukleotidstoffwechsel und der Biosynthese von
verschiedenen Aminosäuren (Wolff et al. 2006). Die absolute Quantifizierung ergab besonders
deutliche Effekte der negativen Regulation für die Tyrosintransaminase HisH, die
Methioninsynthase MetE und ThiF, ein Enzyme mit Funktion in der Thiaminbiosynthese
(Tab. 12). Die Menge dieser Proteine wurde während des Hitzestresses konstant gesenkt. Im
Gegensatz dazu sanken die Konzentrationen des zyklaseähnlichen Proteins HisF, der N-
acetylglutamat 5-phosphotransferase ArgB, der Cystathion-β-lyase PatB und des Molybdopterin-
biosyntheseproteins MoeA bis 30 min Hitzestress und erreichten bereits nach 60 min Hitzestress
wieder das Kontrolllevel (Tab. 12), was die globale Koordination verschiedener Regulationen als
Reaktion auf die Änderung der Wachstumsrate während des Hitzestresses unterstreicht. Auch für
die Proteine mit reduzierten Mengen nach Hitzestress konnte eine gute Übereinstimmung der
Daten dieser Arbeit mit bereits veröffentlichen Ergebnissen (Wolff et al. 2006) erreicht werden.
Von 38 Proteinen, die in einer der beiden Arbeiten negativ reguliert waren, zeigten 27 ein
ähnliches Regulationsmuster in beiden Studien.
Die im Rahmen dieser Arbeit umfassend ermittelten Proteinkonzentrationen erlaubten
Ergebnisse und Diskussion
93
weiterführend die Analyse von dynamischen Aspekten der Proteinsynthese während der
Stressanpassung auch ohne die Verfügbarkeit von „klassischen“ quantitativen Synthesedaten. So
konnte berechnet werden, dass 38 % der nach 60 min Hitzestress in der Zelle vorhandenen
Gesamtproteinmasse während der Stressphase neu gebildet wurde. Um diesen Aspekt genauer zu
untersuchen, wurde die Verteilung der zwischen den Probenzeitpunkten gebildeten Proteinmasse
auf funktionelle Gruppen analysiert (Abb. 16).
Abb. 16: Dynamische Aspekte der Verteilung der Proteinmasse in B. subtilis während Hitzestresses.
Die relative Verteilung der neu gebildeten Proteinmasse auf wesentliche Lebensprozesse sind im
Balkendiagramm wie folgt dargestellt (von links nach rechts): für Zellen während des exponentiellen
Wachstums (exp.), sowie in der ersten Phase (0 bis 10 min), der zweiten Phase (10 bis 30 min) und der
dritten Phase (30 bis 60 min) des Hitzestresses. Die Größe der Kreise darunter repräsentiert die relative
Menge der zwischen den verschiedenen Zeitpunkten akkumulierten Proteine (prozentuale Angaben als Zahl
in den Kreisen).
In den ersten 10 min des Hitzestresses sind 22 % der neu gebildeten Proteine Chaperone. In der
zweiten Stressphase, zwischen 10 und 30 min Hitze, stellt diese Proteingruppe den Hauptteil der
neu gebildeten Proteinmasse dar. Der Anteil der neu angereicherten Proteine mit Funktionen im
Aminosäurestoffwechsel ist in dieser Phase kleiner als 1 %. In der letzten untersuchten Phase des
Stresses, zwischen 30 und 60 min Hitze, scheint die Anpassungsreaktion der Zelle beendet zu
Ergebnisse und Diskussion
94
sein. Eine signifikante Menge der neu angereicherten Proteinmasse wird nun wieder von Enzymen
der Aminosäurebiosynthese gebildet. Diese Ergebnisse lassen zusammenfassend darauf schließen,
dass die Ressourcen für die Synthese dringend benötigter neuer Proteine unter Hitzestress, ähnlich
wie unter Glukosehunger, aus den biosynthetischen Enzymen für verschiedene Aminosäuren
gewonnen werden.
Obwohl diese Analysen wertvolle Einblicke in die Zellphysiolgie erlauben, setzt die Berechnung
voraus, dass die untersuchten Proteine in der Stressphase stabil sind. Dies mag für das
vergleichbar kurze Hitzestressexperiment (bis 60 min Stress) eine annehmbare Voraussetzung
sein, muss aber nicht zwangsläufig auf die Daten des Glukosehungerexperiments (bis 240 min
Hunger) anwendbar sein. Da die Menge eines Proteins immer die Balance zwischen
Proteinproduktion und –degradation darstellt, sind fast alle verringerten Proteinmengen während
der exponentiellen Phase eine direkte Folge des Verdünnungseffekts, der durch das Zellwachstum
verursacht wird. Das bedeutet, dass die Proteinproduktion in balancierten Systemen leicht zu
berechnen ist, da sie der Menge entspricht, die benötigt wird um den Verdünnungseffekt
auszugleichen. Deshalb ist die Proteinproduktion für jedes Enzym das Produkt seiner
Gleichgewichtsmenge und der Wachstumsrate. Auch in einem nicht-balancierten System, wie
z. B. der transienten Phase während eines Stresses, lässt sich die Proteinproduktion bestimmen,
allerdings nur unter der Voraussetzung, dass eine Verringerung der Proteinmenge nur auf den
Verdünnungseffekt zurückzuführen ist. In diesem Falle würde eine mögliche Proteolyse einiger
Proteine dazu führen, dass die Proteinproduktion unterschätzt wird. Obwohl die berechneten
Werte zur Proteinsynthese deshalb nur eine Abschätzung der Mengen angereicherter Proteine sein
können, gewähren sie wichtige Einblicke in die regulatorischen Aspekte während der
Stressanpassung von B. subtilis.
Die in diesem Abschnitt beschriebenen Ergebnisse sollen im Rahmen einer Publikation mit dem
Titel „Absolute protein quantification of stress and starvation responses in Bacillus subtilis“
veröffentlicht werden (Artikel IV; Maaß S, Wachlin G, Bernhardt J, Eymann C, Fromion V,
Riedel K, Becher D, Hecker M. 2014. Mol Cell Proteomics, in Revision [MCP/2013/035741]).
Ergebnisse und Diskussion
95
3.4 Umfassende absolute Quantifizierung mittels MSE
Da die in dieser Arbeit etablierte Methode der gelbasierten absoluten Proteinquantifizierung auf
im Gel abbildbare Proteine limitiert ist, ist die Entwicklung einer gelfreien Technik zur
Bestimmung molarer Proteinmengen der logisch nachfolgende Schritt. Mit Hilfe der Erkenntnisse
aus der Optimierung der Methode der Kalibration von 2D Gelen konnte eine solche gelfreie
absolute Quantifizierungstechnik für cytosolische Proteine von B. subtilis durch Jan Muntel
etabliert werden.
Für die absolute Quantifizierung von Proteinen mittels MSE wird die durchschnittliche
Signalintensität der drei höchstabundanten Peptide eines Standardproteins (hier die
Alkoholdehydrogenase aus Hefe) für die Bestimmung eines universellen Umrechnungsfaktors
genutzt. Dieser wird dann für alle identifizierten Proteine im Gemisch angewendet, um für
Proteine in einen dynamischen Bereich von bis zu vier Größenordnungen die Konzentration zu
berechnen (Silva et al. 2006). Mit Hilfe der gelfreien umfassenden Quantifizierung konnten
Proteinmengen von 20 bis 150.000 Molekülen pro B. subtilis-Zelle bestimmt werden. Die
Genauigkeit der MSE-Methode zur absoluten Quantifizierung (durchschnittlicher Fehler 1,4fach)
wurde durch SRM-Analysen ausgewählter Proteine und der zugehörigen AQUA-Peptide
bestimmt und ist vergleichbar mit oder sogar besser als bei anderen labelfreien Methoden zur
umfassenden absoluten Proteinquantifizierung.
Die neu etablierte Methode konnte für die absolute Quantifizierung von mehr als 1.000
cytosolischen Proteinen von B. subtilis unter zwei verschiedenen metabolischen Bedingungen
genutzt werden und dabei eine überdurchschnittliche Sequenzabdeckung von 40 % erreichen. Die
Abweichung innerhalb technischer Replikate war kleiner als 30 %, für mehr als die Hälfte der
quantifizierten Proteine sogar kleiner als 20 %, was einer geeigneten Reproduzierbarkeit für
umfassende absolute Quantifizierungsansätze entspricht.
Im Vergleich der umfassenden absoluten Quantifizierung mittels MSE mit der absoluten
gelbasierten Quantifizierung (Maass et al. 2011, Artikel II) konnte der dynamische Bereich von
Ergebnisse und Diskussion
96
drei auf vier Größenordnungen erweitert und gleichzeitig die Anzahl der quantifizierten Proteine
etwa verdreifacht werden. Trotz dieser deutlich erhöhten Proteinabdeckung ist die Quantifizierung
kleiner Proteine mit einem Molekulargewicht von unter 8 kDa auch mit der gelfreien Strategie
problematisch. Dies ist höchstwahrscheinlich darin begründet, dass von diesen Proteinen nicht
ausreichend viele tryptische Peptide innerhalb des analytischen Fensters der MS erzeugt werden.
Vergleichbare Studien an E. coli konnten mit einer Methode, die auf Spectal Counting basiert,
1.103 Proteine absolut quantifizieren (Ishihama et al. 2005a). Diese Proteinabdeckung ist
vergleichbar mit der in der Studie von Muntel und Mitarbeitern, basiert aber auf der
Vorfraktionierung des Peptidgemisches durch Kationenaustauschchromatographie, was
wiederrum die Genauigkeit der absoluten Proteinquantifizierung negativ beeinflussen kann (vgl.
Abschnitt 3.2).
Um die umfassende absolute Proteinquantifizierung mittels MSE auf ihre biologische Relevanz
hin zu überprüfen, wurden einige physiologische Aspekte von B. subtilis unter
Wachstumsbedingungen, die entweder Aminosäuresynthese oder Aminosäuredegradation
erfordern, untersucht. Die hohe Anzahl quantifizierter Proteine durch MSE ermöglichte dabei u. a.
die genaue Betrachtung der Mengen von Proteinen, die demselben Operon angehören. Dabei
wurden in der Arbeit von Jan Muntel und Kollegen nur gut beschriebene Operons des zentralen
Stoffwechsels und der Kofaktorsynthese mit mindestens drei quantifizierten Proteinen untersucht.
Es konnten zwei verschiedene Arten von Operons unterschieden werden: Für einige Operons, wie
z. B. dem his-Operon, sind die Proteinmengen für alle Gene etwa gleich hoch, während Proteine
mit deutlich unterschiedlichen Konzentrationen für andere Operons, wie dem ilv-leu-Operon,
gefunden wurden. Diese unterschiedlichen Proteinmengen könnten durch posttranskriptionale
Modifikationen verursacht worden sein (Mäder et al. 2004), was verdeutlicht, dass umfassende
absolute Quantifizierung neue Möglichkeiten zur systematischen Charakterisierung
posttranskriptionaler Regulationen und damit tiefere Einblicke in die Zellphysiologie eröffnet.
Darüber hinaus konnte in der Arbeit von Jan Muntel gezeigt werden, dass die Verfügbarkeit einer
großen Menge hochqualitativer absolute Proteinmengen nicht nur die Validierung der Anpassung
Ergebnisse und Diskussion
97
der Proteinmenge durch bekannte regulatorische Netzwerke, sondern auch die Berechnung von
Proteinkosten für zelluläre Prozesse und die Analyse der Ressourcennutzung während der
Adaptation an veränderte Umweltbedingungen erlaubt.
Die in diesem Abschnitt beschriebenen Ergebnisse sollen im Rahmen einer Publikation mit dem
Titel „Comprehensive absolute proteome quantification of Bacillus subtilis by multiplexed LC/MS
(LC/MSE)“ veröffentlicht werden (Artikel V; Muntel J, Fromion V, Goelzer A, Maaß S, Mäder U,
Büttner K, Hecker M, Becher D. 2013. Mol Cell Proteomics, in Revision [MCP/2013/032631]).
3.5 Zusammenfassung und Ausblick
Im Rahmen dieser Arbeit konnte eine kostengünstige gelbasierte Methode zur umfassenden
absoluten Proteinquantifizierung entwickelt und etabliert werden. Dies ermöglichte die Erzeugung
hochqualitativer Daten, die für den Einsatz in der Systembiologie geeignet sind und so neue
Einblicke in die Zellphysiologie erlauben. Auf Grundlage absoluter Proteinmengen können
Stöchiometrien in Proteinkomplexen und innerhalb metabolischer Netzwerke bestimmt,
Berechnungen von Proteinkosten und der Ressourcenverteilung innerhalb einer Zelle durchgeführt
und Aussagen über die Regulation von Proteinsynthese und –anreicherung getroffen werden, ohne
dabei auf traditionelle radioaktive Techniken zugreifen zu müssen. Die eingehende Optimierung
der Probenaufbereitung für eine absolute Proteinquantifizierung im Rahmen dieser Arbeit bildet
die Grundlage für die gelbasierte absolute Quantifizierung und weiterführenden Arbeiten mit dem
Ziel gelfreie Methoden zur absoluten Proteinquantifizierung zu entwickeln.
Die Anwendung der umfassenden absoluten Proteinquantifizierung durch Kalibration von
2D Gelen auf verschiedene Modellsysteme führte zu einer Erweiterung vorhandener Datensätze
um Proteinkonzentrationen und gewährte so wesentliche Einblicke in die unterschiedliche
Regulation der generellen Stressantwort und der Ressourcenverteilung und –nutzung während der
Stressanpassung von B. subtilis an Glukosehunger und Hitzestress.
In weiterführenden Arbeiten kann die gelbasierte Methode zur absoluten Quantifizierung von
Ergebnisse und Diskussion
98
Proteinisoformen oder der genaueren Untersuchung von Proteinkomplexen genutzt werden. Auch
eine Anwendung zur Analyse anderer Wachstums- und Stressbedingungen ist denkbar.
Quellenangaben
99
4 Quellenangaben
Adkins JN, Varnum SM, Auberry KJ, Moore RJ, Angell NH, Smith RD, Springer DL, Pounds JG.
2002. Toward a human blood serum proteome: analysis by multidimensional separation
coupled with mass spectrometry. Mol Cell Proteomics 1: 947–955.
Aittokallio T, Salmi J, Nyman TA, Nevalainen OS. 2005. Geometrical distortions in two-
dimensional gels: applicable correction methods. J Chromatogr B Analyt Technol Biomed Life
Sci 815: 25–37.
Antelmann H, Engelmann S, Schmid R, Hecker M. 1996. General and oxidative stress responses
in Bacillus subtilis: cloning, expression, and mutation of the alkyl hydroperoxide reductase
operon. J Bacteriol 178: 6571–6578.
Ashman K, Moran MF, Sicheri F, Pawson T, Tyers M. 2001. Cell signalling - the proteomics of it
all. Sci STKE 2001: pe33.
Bandow JE, Baker JD, Berth M, Painter C, Sepulveda OJ, Clark KA, Kilty I, VanBogelen RA.
2008. Improved image analysis workflow for 2-D gels enables large-scale 2-D gel-based
proteomics studies--COPD biomarker discovery study. Proteomics 8: 3030–3041.
Bantscheff M, Lemeer S, Savitski MM, Kuster B. 2012. Quantitative mass spectrometry in
proteomics: critical review update from 2007 to the present. Anal Bioanal Chem 404: 939–965.
Baronick S. 2008. Evaluierung von Zellaufschlussverfahren zur Proteingewinnung aus Gram-
positiven Bakterien. Diplomarbeit, Ernst-Moritz-Arndt-Universität Greifswald, Greifswald.
Barr JR, Maggio VL, Patterson DG Jr, Cooper GR, Henderson LO, Turner WE, Smith SJ, Hannon
WH, Needham LL, Sampson EJ. 1996. Isotope dilution--mass spectrometric quantification of
specific proteins: model application with apolipoprotein A-I. Clin Chem 42: 1676–1682.
Quellenangaben
100
Baudouin-Cornu P, Lagniel G, Chédin S, Labarre J. 2009. Development of a new method for
absolute protein quantification on 2-D gels. Proteomics 9: 4606–4615.
Becher D, Hempel K, Sievers S, Zühlke D, Pané-Farré J, Otto A, Fuchs S, Albrecht D, Bernhardt
J, Engelmann S. 2009. A Proteomic View of an Important Human Pathogen–Towards the
Quantification of the Entire Staphylococcus aureus Proteome. PLoS one 4: e8176.
Bernhardt J, Büttner K, Scharf C, Hecker M. 1999. Dual channel imaging of two-dimensional
electropherograms in Bacillus subtilis. Electrophoresis 20: 2225–2240.
Bernhardt J, Völker U, Völker A, Antelmann H, Schmid R, Mach H, Hecker M. 1997. Specific
and general stress proteins in Bacillus subtilis--a two-deimensional protein electrophoresis
study. Microbiology (Reading, Engl) 143: 999–1017.
Bernhardt J, Weibezahn J, Scharf C, Hecker M. 2003. Bacillus subtilis during feast and famine:
visualization of the overall regulation of protein synthesis during glucose starvation by
proteome analysis. Genome Res 13: 224–37.
Berth M, Moser FM, Kolbe M, Bernhardt J. 2007. The state of the art in the analysis of two-
dimensional gel electrophoresis images. Appl Microbiol Biotechnol 76: 1223–43.
Beynon RJ, Doherty MK, Pratt JM, Gaskell SJ. 2005. Multiplexed absolute quantification in
proteomics using artificial QCAT proteins of concatenated signature peptides. Nature Methods
2: 587–9.
Blackburn K, Cheng F-Y, Williamson JD, Goshe MB. 2010a. Data-independent liquid
chromatography/mass spectrometry (LC/MS(E)) detection and quantification of the secreted
Apium graveolens pathogen defense protein mannitol dehydrogenase. Rapid Commun Mass
Spectrom 24: 1009–1016.
Quellenangaben
101
Blackburn K, Mbeunkui F, Mitra SK, Mentzel T, Goshe MB. 2010b. Improving protein and
proteome coverage through data-independent multiplexed peptide fragmentation. J Proteome
Res 9: 3621–3637.
Blencke H-M, Homuth G, Ludwig H, Mäder U, Hecker M, Stülke J. 2003. Transcriptional
profiling of gene expression in response to glucose in Bacillus subtilis: regulation of the central
metabolic pathways. Metab Eng 5: 133–149.
Bossinger J, Miller MJ, Vo KP, Geiduschek EP, Xuong NH. 1979. Quantitative analysis of two-
dimensional electrophoretograms. J Biol Chem 254: 7986–7998.
Bottero D, Gaillard ME, Fingermann M, Weltman G, Fernández J, Sisti F, Graieb A, Roberts R,
Rico O, Ríos G, et al. 2007. Pulsed-field gel electrophoresis, pertactin, pertussis toxin S1
subunit polymorphisms, and surfaceome analysis of vaccine and clinical Bordetella pertussis
strains. Clin Vaccine Immunol 14: 1490–1498.
Darmon E, Noone D, Masson A, Bron S, Kuipers OP, Devine KM, van Dijl JM. 2002. A novel
class of heat and secretion stress-responsive genes is controlled by the autoregulated CssRS
two-component system of Bacillus subtilis. J Bacteriol 184: 5661–5671.
Derré I, Rapoport G, Devine K, Rose M, Msadek T. 1999a. ClpE, a novel type of HSP100
ATPase, is part of the CtsR heat shock regulon of Bacillus subtilis. Mol Microbiol 32: 581–
593.
Derré I, Rapoport G, Msadek T. 1999b. CtsR, a novel regulator of stress and heat shock response,
controls clp and molecular chaperone gene expression in gram-positive bacteria. Mol
Microbiol 31: 117–131.
Deuerling E, Mogk A, Richter C, Purucker M, Schumann W. 1997. The ftsH gene of Bacillus
subtilis is involved in major cellular processes such as sporulation, stress adaptation and
secretion. Mol Microbiol 23: 921–933.
Quellenangaben
102
Edman P, Högfeldt E, Sillén LG, Kinell P-O. 1950. Method for Determination of the Amino Acid
Sequence in Peptides. Acta Chemica Scandinavica 4: 283–293.
Eymann C, Dreisbach A, Albrecht D, Bernhardt J, Becher D, Gentner S, Tam LT, Büttner K,
Buurman G, Scharf C, et al. 2004. A comprehensive proteome map of growing Bacillus
subtilis cells. Proteomics 4: 2849–76.
Eymann C, Homuth G, Scharf C, Hecker M. 2002. Bacillus subtilis functional genomics: global
characterization of the stringent response by proteome and transcriptome analysis. J Bacteriol
184: 2500–2520.
Fillinger S, Boschi-Muller S, Azza S, Dervyn E, Branlant G, Aymerich S. 2000. Two
glyceraldehyde-3-phosphate dehydrogenases with opposite physiological roles in a
nonphotosynthetic bacterium. J Biol Chem 275: 14031–14037.
Fleischmann RD, Adams MD, White O, Clayton RA, Kirkness EF, Kerlavage AR, Bult CJ, Tomb
JF, Dougherty BA, Merrick JM. 1995. Whole-genome random sequencing and assembly of
Haemophilus influenzae Rd. Science 269: 496–512.
Gerber SA, Rush J, Stemman O, Kirschner MW, Gygi SP. 2003. Absolute quantification of
proteins and phosphoproteins from cell lysates by tandem MS. Proceedings of the National
Academy of Sciences of the United States of America 100: 6940.
Geromanos SJ, Vissers JPC, Silva JC, Dorschel CA, Li G-Z, Gorenstein MV, Bateman RH,
Langridge JI. 2009. The detection, correlation, and comparison of peptide precursor and
product ions from data independent LC-MS with data dependant LC-MS/MS. Proteomics 9:
1683–1695.
Gerth U, Kirstein J, Mostertz J, Waldminghaus T, Miethke M, Kock H, Hecker M. 2004. Fine-
Tuning in Regulation of Clp Protein Content in Bacillus subtilis. J Bacteriol 186: 179–191.
Quellenangaben
103
Gerth U, Kock H, Kusters I, Michalik S, Switzer RL, Hecker M. 2008. Clp-dependent proteolysis
down-regulates central metabolic pathways in glucose-starved Bacillus subtilis. J Bacteriol
190: 321–31.
Ghaemmaghami S, Huh WK, Bower K, Howson RW, Belle A, Dephoure N, O’Shea EK,
Weissman JS. 2003. Global analysis of protein expression in yeast. Annu Rev Plant Physiol
Plant Mol Biol 41: 55–75.
Gilchrist A, Au CE, Hiding J, Bell AW, Fernandez-Rodriguez J, Lesimple S, Nagaya H, Roy L,
Gosline SJC, Hallett M, et al. 2006. Quantitative proteomics analysis of the secretory pathway.
Cell 127: 1265–1281.
Goelzer A, Fromion V, Scorletti G. 2011. Cell design in bacteria as a convex optimization
problem. Automatica 47: 1210–1218.
Görg A, Weiss W, Dunn MJ. 2004. Current two-dimensional electrophoresis technology for
proteomics. Proteomics 4: 3665–3685.
Hahne H, Mäder U, Otto A, Bonn F, Steil L, Bremer E, Hecker M, Becher D. 2010. A
comprehensive proteomics and transcriptomics analysis of Bacillus subtilis salt stress
adaptation. J Bacteriol 192: 870–882.
Hardy SJ. 1975. The stoichiometry of the ribosomal proteins of Escherichia coli. Mol Gen Genet
140: 253–274.
Hecker M, Pané-Farré J, Völker U. 2007. SigB-dependent general stress response in Bacillus
subtilis and related gram-positive bacteria. Annual review of microbiology 61: 215–236.
Helmann JD, Wu MF, Kobel PA, Gamo FJ, Wilson M, Morshedi MM, Navre M, Paddon C. 2001.
Global transcriptional response of Bacillus subtilis to heat shock. J Bacteriol 183: 7318–7328.
Quellenangaben
104
Hillenkamp F, Karas M, Beavis RC, Chait BT. 1991. Matrix-assisted laser desorption/ionization
mass spectrometry of biopolymers. Anal Chem 63: 1193A–1203A.
Homuth G, Masuda S, Mogk A, Kobayashi Y, Schumann W. 1997. The dnaK operon of Bacillus
subtilis is heptacistronic. J Bacteriol 179: 1153–1164.
Höper D, Bernhardt J, Hecker M. 2006. Salt stress adaptation of Bacillus subtilis: a physiological
proteomics approach. Proteomics 6: 1550–1562.
Höper D, Völker U, Hecker M. 2005. Comprehensive characterization of the contribution of
individual SigB-dependent general stress genes to stress resistance of Bacillus subtilis. J
Bacteriol 187: 2810–2826.
Ishihama Y, Oda Y, Tabata T, Sato T, Nagasu T, Rappsilber J, Mann M. 2005a. Exponentially
modified protein abundance index (emPAI) for estimation of absolute protein amount in
proteomics by the number of sequenced peptides per protein. Mol Cell Proteomics 4: 1265–
1272.
Ishihama Y, Sato T, Tabata T, Miyamoto N, Sagane K, Nagasu T, Oda Y. 2005b. Quantitative
mouse brain proteomics using culture-derived isotope tags as internal standards. Nat
Biotechnol 23: 617–21.
Ishihama Y, Schmidt T, Rappsilber J, Mann M, Hartl FU, Kerner MJ, Frishman D. 2008. Protein
abundance profiling of the Escherichia coli cytosol. BMC genomics 9: 102.
Jules M, Le Chat L, Aymerich S, Le Coq D. 2009. The Bacillus subtilis ywjI (glpX) Gene Encodes
a Class II Fructose-1,6-Bisphosphatase, Functionally Equivalent to the Class III Fbp Enzyme. J
Bacteriol 191: 3168–3171.
Karas M, Hillenkamp F. 1988. Laser desorption ionization of proteins with molecular masses
exceeding 10,000 daltons. Anal Chem 60: 2299–2301.
Quellenangaben
105
Klose J. 1975. Protein mapping by combined isoelectric focusing and electrophoresis of mouse
tissues. A novel approach to testing for induced point mutations in mammals. Humangenetik
26: 231–243.
Koburger T, Weibezahn J, Bernhardt J, Homuth G, Hecker M. 2005. Genome-wide mRNA
profiling in glucose starved Bacillus subtilis cells. Mol Genet Genomics 274: 1–12.
Kohler C, Wolff S, Albrecht D, Fuchs S, Becher D, Büttner K, Engelmann S, Hecker M. 2005.
Proteome analyses of Staphylococcus aureus in growing and non-growing cells: A
physiological approach. International Journal of Medical Microbiology 295: 547–565.
Krüger E, Hecker M. 1998. The first gene of the Bacillus subtilis clpC operon, ctsR, encodes a
negative regulator of its own operon and other class III heat shock genes. J Bacteriol 180:
6681–6688.
Kühner S, van Noort V, Betts MJ, Leo-Macias A, Batisse C, Rode M, Yamada T, Maier T, Bader
S, Beltran-Alvarez P, et al. 2009. Proteome organization in a genome-reduced bacterium.
Science 326: 1235–1240.
Kunst F, Ogasawara N, Moszer I, Albertini AM, Alloni G, Azevedo V, Bertero MG, Bessières P,
Bolotin A, Borchert S, et al. 1997. The complete genome sequence of the gram-positive
bacterium Bacillus subtilis. Nature 390: 249–256.
Küster B, Mortensen P, Andersen JS, Mann M. 2001. Mass spectrometry allows direct
identification of proteins in large genomes. Proteomics 1: 641–650.
Kuzinski J. 2007. Beiträge zur quantitativen Proteomanalyse in Bacillus subtilis und
Staphylococcus aureus. Diplomarbeit, Ernst-Moritz-Arndt-Universität Greifswald, Greifswald.
Quellenangaben
106
Lange V, Malmstrom JA, Didion J, King NL, Johansson BP, Schafer J, Rameseder J, Wong CH,
Deutsch EW, Brusniak MY. 2008. Targeted quantitative analysis of Streptococcus pyogenes
virulence factors by multiple reaction monitoring. Mol Cell Proteomics 7: 1489.
Li G-Z, Vissers JPC, Silva JC, Golick D, Gorenstein MV, Geromanos SJ. 2009. Database
searching and accounting of multiplexed precursor and product ion spectra from the data
independent analysis of simple and complex peptide mixtures. Proteomics 9: 1696–1719.
Li M, Wong SL. 1992. Cloning and characterization of the groESL operon from Bacillus subtilis.
J Bacteriol 174: 3981–3992.
Li Z, Adams RM, Chourey K, Hurst GB, Hettich RL, Pan C. 2012. Systematic comparison of
label-free, metabolic labeling, and isobaric chemical labeling for quantitative proteomics on
LTQ Orbitrap Velos. J Proteome Res 11: 1582–1590.
Lipkin LE, Lemkin PF. 1980. Data-base techniques for multiple two-dimensional polyacrylamide
gel electrophoresis analyses. Clin Chem 26: 1403–1412.
Liu H, Sadygov RG, Yates JR 3rd. 2004. A model for random sampling and estimation of relative
protein abundance in shotgun proteomics. Anal Chem 76: 4193–4201.
Lopez JM, Dromerick A, Freese E. 1981. Response of guanosine 5’-triphosphate concentration to
nutritional changes and its significance for Bacillus subtilis sporulation. J Bacteriol 146: 605–
613.
Lu P, Vogel C, Wang R, Yao X, Marcotte EM. 2007. Absolute protein expression profiling
estimates the relative contributions of transcriptional and translational regulation. Nat Biotech
25: 117–124.
Quellenangaben
107
Ludwig H, Homuth G, Schmalisch M, Dyka FM, Hecker M, Stülke J. 2001. Transcription of
glycolytic genes and operons in Bacillus subtilis: evidence for the presence of multiple levels
of control of the gapA operon. Mol Microbiol 41: 409–22.
Luhn S, Berth M, Hecker M, Bernhardt J. 2003. Using standard positions and image fusion to
create proteome maps from collections of two-dimensional gel electrophoresis images.
Proteomics 3: 1117–1127.
Maass S, Sievers S, Zühlke D, Kuzinski J, Sappa PK, Muntel J, Hessling B, Bernhardt J,
Sietmann R, Völker U, et al. 2011. Efficient, global-scale quantification of absolute protein
amounts by integration of targeted mass spectrometry and two-dimensional gel-based
proteomics. Anal Chem 83: 2677–2684.
Maaß S, Wachlin G, Bernhardt J, Eymann C, Fromion V, Riedel K, Becher D, Hecker M. 2014.
Absolute protein quantification of stress and starvation responses in Bacillus subtilis. Mol Cell
Proteomics, in Revision (MCP/2013/035741).
Mäder U, Hennig S, Hecker M, Homuth G. 2004. Transcriptional organization and
posttranscriptional regulation of the Bacillus subtilis branched-chain amino acid biosynthesis
genes. J Bacteriol 186: 2240–2252.
Mäder U, Homuth G, Völker U, Hecker M. 2007. Global regulatory systems mediating general
starvation responses in Bacillus subtilis. In Global regulatory networks in Bacillus subtilis, pp.
205–228, Transworld Research Network, Kerala, India.
Maiolica A, Jünger MA, Ezkurdia I, Aebersold R. 2012. Targeted proteome investigation via
selected reaction monitoring mass spectrometry. J Proteomics 75: 3495–3513.
Malmström J, Beck M, Schmidt A, Lange V, Deutsch EW, Aebersold R. 2009. Proteome-wide
cellular protein concentrations of the human pathogen Leptospira interrogans. Nature 460:
762–765.
Quellenangaben
108
Malmström J, Lee H, Aebersold R. 2007. Advances in proteomic workflows for systems biology.
Current opinion in biotechnology 18: 378–384.
Mann M, Jensen ON. 2003. Proteomic analysis of post-translational modifications. Nat Biotechnol
21: 255–261.
Mayya V, Rezual K, Wu L, Fong MB, Han DK. 2006. Absolute quantification of multisite
phosphorylation by selective reaction monitoring mass spectrometry: determination of
inhibitory phosphorylation status of cyclin-dependent kinases. Mol Cell Proteomics 5: 1146–
1157.
Meyer FM, Gerwig J, Hammer E, Herzberg C, Commichau FM, Völker U, Stülke J. 2011.
Physical interactions between tricarboxylic acid cycle enzymes in Bacillus subtilis: evidence
for a metabolon. Metab Eng 13: 18–27.
Moch C, Schrögel O, Allmansberger R. 2000. Transcription of the nfrA-ywcH operon from
Bacillus subtilis is specifically induced in response to heat. J Bacteriol 182: 4384–4393.
Moche M, Albrecht D, Maaß S, Hecker M, Westermeier R, Büttner K. 2013. The new horizon in
2D electrophoresis -new technology to increase resolution and sensitivity. Electrophoresis 34:
1510-1518.
Muntel J, Fromion V, Goelzer A, Maaß S, Mäder U, Büttner K, Hecker M, Becher D. 2014.
Comprehensive absolute proteome quantification of Bacillus subtilis by multiplexed LC/MS
(LC/MSE). Mol Cell Proteomics, in Revision (MCP/2013/032631).
Neilson KA, Ali NA, Muralidharan S, Mirzaei M, Mariani M, Assadourian G, Lee A, van Sluyter
SC, Haynes PA. 2011. Less label, more free: approaches in label-free quantitative mass
spectrometry. Proteomics 11: 535–553.
Quellenangaben
109
Neveling U, Bringer-Meyer S, Sahm H. 1998. Gene and subunit organization of bacterial pyruvate
dehydrogenase complexes. Biochimica et Biophysica Acta (BBA) - Protein Structure and
Molecular Enzymology 1385: 367–372.
Newman JRS, Ghaemmaghami S, Ihmels J, Breslow DK, Noble M, DeRisi JL, Weissman JS.
2006. Single-cell proteomic analysis of S. cerevisiae reveals the architecture of biological
noise. Nature 441: 840–846.
Niall HD. 1973. Automated Edman degradation: the protein sequenator. Meth Enzymol 27: 942–
1010.
Nishino T, Gallant J, Shalit P, Palmer L, Wehr T. 1979. Regulatory nucleotides involved in the
Rel function of Bacillus subtilis. J Bacteriol 140: 671–679.
O’Farrell PH. 1975. High resolution two-dimensional electrophoresis of proteins. J Biol Chem
250: 4007–4021.
Old WM, Meyer-Arendt K, Aveline-Wolf L, Pierce KG, Mendoza A, Sevinsky JR, Resing KA,
Ahn NG. 2005. Comparison of label-free methods for quantifying human proteins by shotgun
proteomics. Mol Cell Proteomics 4: 1487–502.
Oshiro G, Wodicka LM, Washburn MP, Yates JR 3rd, Lockhart DJ, Winzeler EA. 2002. Parallel
identification of new genes in Saccharomyces cerevisiae. Genome Res 12: 1210–1220.
Otto A, Bernhardt J, Hecker M, Becher D. 2012. Global relative and absolute quantitation in
microbial proteomics. Curr Opin Microbiol 15: 364–372.
Otto A, Bernhardt J, Meyer H, Schaffer M, Herbst F-A, Siebourg J, Mäder U, Lalk M, Hecker M,
Becher D. 2010. Systems-wide temporal proteomic profiling in glucose-starved Bacillus
subtilis. Nat Commun 1: 137.
Quellenangaben
110
Pang JX, Ginanni N, Dongre AR, Hefta SA, Opitek GJ. 2002. Biomarker discovery in urine by
proteomics. J Proteome Res 1: 161–169.
Pappin DJ, Hojrup P, Bleasby AJ. 1993. Rapid identification of proteins by peptide-mass
fingerprinting. Curr Biol 3: 327–332.
Patel VJ, Thalassinos K, Slade SE, Connolly JB, Crombie A, Murrell JC, Scrivens JH. 2009. A
comparison of labeling and label-free mass spectrometry-based proteomics approaches. J
Proteome Res 8: 3752–3759.
Pettit FH, Hamilton L, Munk P, Namihira G, Eley MH, Willms CR, Reed LJ. 1973. Alpha-keto
acid dehydrogenase complexes. XIX. Subunit structure of the Escherichia coli alpha-
ketoglutarate dehydrogenase complex. The Journal of biological chemistry 248: 5282–5290.
Picotti P, Aebersold R. 2012. Selected reaction monitoring-based proteomics: workflows,
potential, pitfalls and future directions. Nat Methods 9: 555–566.
Rabilloud T. 2002. Two-dimensional gel electrophoresis in proteomics: old, old fashioned, but it
still climbs up the mountains. Proteomics 2: 3–10.
Rao PV, Reddy AP, Lu X, Dasari S, Krishnaprasad A, Biggs E, Roberts CT, Nagalla SR. 2009.
Proteomic identification of salivary biomarkers of type-2 diabetes. J Proteome Res 8: 239–245.
Rappsilber J, Siniossoglou S, Hurt EC, Mann M. 2000. A generic strategy to analyze the spatial
organization of multi-protein complexes by cross-linking and mass spectrometry. Anal Chem
72: 267–275.
Reder A, Höper D, Gerth U, Hecker M. 2012. Contributions of individual σB-dependent general
stress genes to oxidative stress resistance of Bacillus subtilis. J Bacteriol 194: 3601–3610.
Quellenangaben
111
Reder A, Höper D, Weinberg C, Gerth U, Fraunholz M, Hecker M. 2008. The Spx paralogue
MgsR (YqgZ) controls a subregulon within the general stress response of Bacillus subtilis. Mol
Microbiol 69: 1104–1120.
Riethdorf S, Völker U, Gerth U, Winkler A, Engelmann S, Hecker M. 1994. Cloning, nucleotide
sequence, and expression of the Bacillus subtilis lon gene. J Bacteriol 176: 6518–6527.
Schmidt A, Schiesswohl M, Völker U, Hecker M, Schumann W. 1992. Cloning, sequencing,
mapping, and transcriptional analysis of the groESL operon from Bacillus subtilis. J Bacteriol
174: 3993–3999.
Schrimpf SP, Weiss M, Reiter L, Ahrens CH, Jovanovic M, Malmström J, Brunner E, Mohanty S,
Lercher MJ, Hunziker PE, et al. 2009. Comparative functional analysis of the Caenorhabditis
elegans and Drosophila melanogaster proteomes. PLoS Biol 7: e48.
Schulz A, Schumann W. 1996. hrcA, the first gene of the Bacillus subtilis dnaK operon encodes a
negative regulator of class I heat shock genes. J Bacteriol 178: 1088–1093.
Schulz A, Schwab S, Homuth G, Versteeg S, Schumann W. 1997. The htpG gene of Bacillus
subtilis belongs to class III heat shock genes and is under negative control. J Bacteriol 179:
3103–3109.
Schumann W. 2003. The Bacillus subtilis heat shock stimulon. Cell Stress Chaperones 8: 207–
217.
Schumann W, Hecker M, Msadek T. 2002. Regulation and function of heat-inducible genes in
Bacillus subtilis. In Bacillus subtilis and its Closest Relatives: From Genes to Cells (eds. A.L.
Sonenshein, R. Losick, and J.A. Hoch), pp. 359–368, ASM Press, Washington.
Scott M, Gunderson CW, Mateescu EM, Zhang Z, Hwa T. 2010. Interdependence of cell growth
and gene expression: origins and consequences. Science 330: 1099–1102.
Quellenangaben
112
Serra DO, Lücking G, Weiland F, Schulz S, Görg A, Yantorno OM, Ehling-Schulz M. 2008.
Proteome approaches combined with Fourier transform infrared spectroscopy revealed a
distinctive biofilm physiology in Bordetella pertussis. Proteomics 8: 4995–5010.
Shachrai I, Zaslaver A, Alon U, Dekel E. 2010. Cost of unneeded proteins in E. coli is reduced
after several generations in exponential growth. Mol Cell 38: 758–767.
Silva JC, Denny R, Dorschel CA, Gorenstein M, Kass IJ, Li G-Z, McKenna T, Nold MJ,
Richardson K, Young P, et al. 2005. Quantitative proteomic analysis by accurate mass
retention time pairs. Anal Chem 77: 2187–2200.
Silva JC, Gorenstein MV, Li G-Z, Vissers JPC, Geromanos SJ. 2006. Absolute Quantification of
Proteins by LCMSE: A Virtue of Parallel ms Acquisition. Mol Cell Proteomics 5: 144–156.
Tal M, Weissman I, Silberstein A. 1990. A new method for stoichiometric analysis of proteins in
complex mixture--reevaluation of the stoichiometry of E. coli ribosomal proteins. J Biochem
Biophys Methods 21: 247–266.
Tefon BE, Maass S, Ozcengiz E, Becher D, Hecker M, Ozcengiz G. 2011. A comprehensive
analysis of Bordetella pertussis surface proteome and identification of new immunogenic
proteins. Vaccine 29: 3583–3595.
Tobisch S, Zühlke D, Bernhardt J, Stülke J, Hecker M. 1999. Role of CcpA in regulation of the
central pathways of carbon catabolism in Bacillus subtilis. J Bacteriol 181: 6996–7004.
Venter JC, Adams MD, Myers EW, Li PW, Mural RJ, Sutton GG, Smith HO, Yandell M, Evans
CA, Holt RA, et al. 2001. The sequence of the human genome. Science 291: 1304–1351.
Washburn MP, Wolters D, Yates JR. 2001. Large-scale analysis of the yeast proteome by
multidimensional protein identification technology. Nat Biotechnol 19: 242–7.
Quellenangaben
113
Wasinger VC, Cordwell SJ, Cerpa-Poljak A, Yan JX, Gooley AA, Wilkins MR, Duncan MW,
Harris R, Williams KL, Humphery-Smith I. 1995. Progress with gene-product mapping of the
Mollicutes: Mycoplasma genitalium. Electrophoresis 16: 1090–1094.
Weiss M, Schrimpf S, Hengartner MO, Lercher MJ, von Mering C. 2010. Shotgun proteomics
data from multiple organisms reveals remarkable quantitative conservation of the eukaryotic
core proteome. Proteomics 10: 1297–1306.
Wilkins MR, Sanchez JC, Gooley AA, Appel RD, Humphery-Smith I, Hochstrasser DF, Williams
KL. 1996. Progress with proteome projects: why all proteins expressed by a genome should be
identified and how to do it. Biotechnol Genet Eng Rev 13: 19–50.
Wolff S, Otto A, Albrecht D, Zeng JS, Büttner K, Glückmann M, Hecker M, Becher D. 2006.
Gel-free and gel-based proteomics in Bacillus subtilis: a comparative study. Mol Cell
Proteomics 5: 1183–92.
Zuber U, Drzewiecki K, Hecker M. 2001. Putative sigma factor SigI (YkoZ) of Bacillus subtilis is
induced by heat shock. J Bacteriol 183: 1472–1475.
Publikationsliste
114
5 Publikationsliste
5.1 Originalarbeiten und Beiträge der Autoren
Artikel I: Tefon BE, Maass S, Ozcengiz E, Becher D, Hecker M, Ozcengiz G. 2011. A
comprehensive analysis of Bordetella pertussis surface proteome and identification of new
immunogenic proteins. Vaccine 29: 3583–3595.
Das experimentelle Konzept dieser Arbeit wurde von BET, EO und GO erarbeitet. BET führte die
Experimente und Datenanalyse durch. SM und DB waren verantwortlich für die
Proteinidentifizierung und –quantifizierung. Das Manuskript schrieben BET, OE, MH und OG.
Alle Autoren bewerteten und kommentierten das Manuskript.
Artikel II: Maass S, Sievers S, Zühlke D, Kuzinski J, Sappa PK, Muntel J, Hessling B, Bernhardt
J, Sietmann R, Völker U, Hecker M, Becher D. 2011. Efficient, global-scale quantification of
absolute protein amounts by integration of targeted mass spectrometry and two-dimensional gel-
based proteomics. Anal Chem 83: 2677–2684.
Das experimentelle Konzept dieser Arbeit wurde durch MH, UV und DB erstellt. SM, SS, JM und
BH führten die Experimente sowie die massenspektrometrische Analyse und
Proteinquantifizierung durch. DZ war für die 2D Gelanalyse von S. aureus verantwortlich. JK und
JB führten die Farbstofftests durch und RS unterstützte bei der mikroskopischen Analyse für die
Bestimmung der Zellgrößen. PKS führte die QCAT-Analysen zur Methodenevaluation durch. An
der Publikation arbeiten SM, SS, MH, UV und DB. Alle Autoren diskutierten die Ergebnisse und
kommentierten das Manuskript.
Artikel III: Moche M, Albrecht D, Maaß S, Hecker M, Westermeier R, Büttner K. 2013. The
new horizon in 2D electrophoresis -new technology to increase resolution and sensitivity.
Electrophoresis 34: 1510–1518.
Publikationsliste
115
Das experimentelle Konzept dieser Arbeit wurde von MH, RW, MH und KB erarbeitet. MM
erstellte die HPE-Gele, SM führte die traditionelle 2D PAGE durch. AD identifizierte die
ausgeschnittenen Proteinspots. Das Manuskript schrieben MM, SM, RW und KB. Alle Autoren
bewerteten und kommentierten das Manuskript.
Artikel IV: Maaß S, Wachlin G, Bernhardt J, Eymann C, Fromion V, Riedel K, Becher D,
Hecker M. 2014. Absolute protein quantification of stress and starvation responses in Bacillus
subtilis. Mol Cell Proteomics, in Revision (MCP/2013/035741).
Das experimentelle Konzept dieser Arbeit wurde durch MH, DB und SM erstellt. GW führte die
Experimente zum Hitzestress durch und erstellte die dazugehörigen 2D Gele. CE führte die Pulse-
Chase-Experimente unter Glukosehunger durch, erstellte die Autoradiogramme und analysierte
die Synthesedaten für Proteine des σB-Regulons. SM führten die Experimente für den
Glukosehunger durch und erstellte die zugehörigen 2D Gele. Alle massenspektrometrischen
Analysen und Proteinquantifizierungen wurden durch SM durchgeführt. JB und VF bearbeiteten
die erhaltenen Daten mit bioinformatischen Methoden und erstellten gemeinsam mit SM die
Abbildungen. An der Publikation arbeiteten SM, JB, KR, DB und MH. Alle Autoren diskutierten
die Ergebnisse und kommentierten das Manuskript.
Artikel V: Muntel J, Fromion V, Goelzer A, Maaß S, Mäder U, Büttner K, Hecker M, Becher D.
2014. Comprehensive absolute proteome quantification of Bacillus subtilis by multiplexed LC/MS
(LC/MSE). Mol Cell Proteomics, in Revision (MCP/2013/032631).
JM führte die Kultivierungen und MSE-Messungen für diese Arbeit durch. SM quantifizierte die
Proben mit Hilfe des AQUA-Ansatzes. Statistische Analysen und die bioinformatische
Verarbeitung der Daten erfolgte durch VF und AG. UM und KB trugen zur Analyse des
Aminosäurestoffwechels bei. JM, AG, SM, UM, KB, MH und DB arbeiteten an der Publikation.
Alle Autoren diskutierten die Ergebnisse und kommentierten das Manuskript.
Publikationsliste
116
5.2 Poster
Kühnel S, Becher D, Bernhardt J, Hildisch H, Völker U, Hecker M. 2008. Quantitative proteomics
of stationary phase adaptation in Bacillus subtilis. Evaluationsmeeting SysMo, Bad Honnef.
Kühnel S, Hartmann A, Becher D, Völker U, Hecker M. 2009. Relative and absolute proteomics
monitoring Bacillus subtilis during Batch-Fermentation. Evaluationsmeeting SysMo, Wien,
European Summer School „Proteomics Basics“, Brixen.
Maaß S, Sievers S, Zühlke D, Muntel J, Heßling B, Kuzinski J, Bernhardt J, Sietmann R, Völker
U, Hecker M, Becher D. 2010. Proteome-wide absolute quantification of proteins using targeted
mass spectrometry and 2-D PAGE. Tagung “Systems Biology of Microorganisms”, Paris.
Maaß S, Sievers S, Zühlke D, Kuzinski J, Sappa PK, Muntel J, Heßling B, Bernhardt J, Sietmann
R, Völker U, Hecker M, Becher D. 2011. Global scale quantification of absolute protein
amounts by integration of targeted mass spectrometry and 2-D gel-based proteomics. VAAM –
Jahrestagung, Karlsruhe.
Moche M, Albrecht D, Maaß S, Hecker M, Westermeier R, Büttner K. 2013. New Technology to
Increase Reproducibility, Resolution and Sensitivity in 2D Electrophoresis. Proteomic Forum,
Berlin.
5.3 Vorträge auf internationalen Tagungen
Kühnel S, Becher D, Hecker M. 2009. A proteomic view on the Big Experiment. SysMo-Meeting
im Rahmen der BACELL-Tagung, Kopenhagen.
Maaß S, Kohlstedt M, Völker U, Wittmann C, Becher D, Hecker M. 2010: Relative and absolute
protein quantification in BaCell SysMO 2. SysMo-Meeting, Göttingen.
Maaß S, Kohlstedt M, Völker U, Wittmann C, Becher, D, Hecker M. 2011. A proteomic view on
Chemostat experiments, SysMo-Meeting im Rahmen der BACELL-Tagung, Göttingen.
Anhang
117
Anhang
Anh. 1: Sequenzen der quantifizierten Peptide aus B. subtilis und ihre optimierten SRM-Parameter.
Die quantifizierten Peptide der Kalibrationsproteine sind mit ihrer Vorgängerionenmasse (Q1 m/z),
ihrer Fragmentionenmassen (Q3 m/z) sowie den korrespondierenden Übergangsparametern
Eingangspotential (EP), Declustering Potential (DP), Kollisionsenergie (CE) und
Kollisionszellenaustrittspotential (CXP) aufgeführt. Die markierte, 13
C und 15
N enthaltende Aminosäure ist
fett gedruckt.
Protein Peptidsequenz Q1 m/z Q3 m/z Ion DP (V) EP (V) CE (V) CXP (V)
CitZ EAAVPQEIIEHFK 507,61 575,81 y9 103,0 6,4 18,5 8,50
CitZ EAAVPQEIIEHFK 507,61 925,52 y7 103,0 6,4 25,0 8,50
CitZ EAAVPQEIIEHFK 507,61 683,39 y5 103,0 6,4 29,5 10,00
CitZ EAAVPQEIIEHFK 504,26 570,80 y9 103,0 6,4 18,5 8,50
CitZ EAAVPQEIIEHFK 504,26 915,49 y7 103,0 6,4 25,0 8,50
CitZ EAAVPQEIIEHFK 504,26 673,36 y5 103,0 6,4 29,5 10,00
CitZ VPGLVAAFSR 513,81 561,32 y5 100,0 8,2 30,0 8,00
CitZ VPGLVAAFSR 513,81 830,49 y8 100,0 8,2 30,0 11,50
CitZ VPGLVAAFSR 513,81 660,38 y6 100,0 8,2 30,5 10,00
CitZ VPGLVAAFSR 508,79 551,29 y5 100,0 8,2 30,0 8,00
CitZ VPGLVAAFSR 508,79 820,46 y8 100,0 8,2 30,0 11,50
CitZ VPGLVAAFSR 508,79 650,38 y6 100,0 8,2 30,5 10,00
CitZ IEDIVTSEK 520,28 797,42 y7 102,0 6,2 24,0 13,75
CitZ IEDIVTSEK 520,28 926,47 y8 102,0 5,9 24,0 14,25
CitZ IEDIVTSEK 520,28 464,23 y4 102,0 6,0 34,5 14,25
CitZ IEDIVTSEK 517,27 791,41 y7 102,0 6,2 24,0 13,75
CitZ IEDIVTSEK 517,27 920,45 y8 102,0 5,9 24,0 14,25
CitZ IEDIVTSEK 517,27 464,23 y4 102,0 6,0 34,5 14,25
Icd GPLTTPVGGGIR 566,33 655,38 y7 58,0 7,5 31,0 10,00
Icd GPLTTPVGGGIR 566,33 857,48 y9 58,0 7,5 30,5 11,50
Icd GPLTTPVGGGIR 566,33 756,43 y8 58,0 7,5 30,5 11,50
Icd GPLTTPVGGGIR 562,82 655,38 y7 58,0 7,5 31,0 10,00
Icd GPLTTPVGGGIR 562,82 857,48 y9 58,0 7,5 30,5 11,50
Icd GPLTTPVGGGIR 562,82 756,43 y8 58,0 7,5 30,5 11,50
Icd VVTYDFAR 487,75 776,36 y6 92,0 12,8 21,5 14,75
Icd VVTYDFAR 487,75 512,25 y4 92,0 13,0 28,0 14,50
Icd VVTYDFAR 487,75 397,23 y3 92,0 15,0 37,0 9,00
Icd VVTYDFAR 485,75 772,36 y6 92,0 12,8 21,5 14,75
Icd VVTYDFAR 485,75 508,25 y4 92,0 13,0 28,0 14,50
Icd VVTYDFAR 485,75 393,22 y3 92,0 15,0 37,0 9,00
Icd YFTGVPSPVK 550,80 790,47 y8 93,5 14,5 28,0 12,50
Icd YFTGVPSPVK 550,80 689,42 y7 93,5 14,5 31,5 7,50
Icd YFTGVPSPVK 550,80 527,32 y5 93,5 14,5 27,5 21,50
Icd YFTGVPSPVK 547,80 784,46 y8 93,5 14,5 28,0 12,50
Anhang
118
Anh. 1: fortlaufend.
Protein Peptidsequenz Q1 m/z Q3 m/z Ion DP (V) EP (V) CE (V) CXP (V)
Icd YFTGVPSPVK 547,80 683,41 y7 93,5 14,5 31,5 7,50
Icd YFTGVPSPVK 547,80 527,32 y5 93,5 14,5 27,5 21,50
Mbl TPPELSADIIDR 668,85 799,42 y7 106,0 12,0 35,0 8,00
Mbl TPPELSADIIDR 668,85 618,33 y11 106,0 12,0 36,0 11,00
Mbl TPPELSADIIDR 668,85 1138,60 y10 106,0 12,0 36,0 11,00
Mbl TPPELSADIIDR 663,85 789,41 y7 106,0 12,0 35,0 8,00
Mbl TPPELSADIIDR 663,85 613,32 y11 106,0 12,0 36,0 11,00
Mbl TPPELSADIIDR 663,85 1128,59 y10 106,0 12,0 36,0 11,00
Mbl HVYLEEEPK 575,79 1013,52 y8 110,0 6,0 30,0 9,50
Mbl HVYLEEEPK 575,79 914,45 y7 110,0 6,0 29,0 8,25
Mbl HVYLEEEPK 575,79 751,39 y6 110,0 6,0 29,0 9,00
Mbl HVYLEEEPK 572,28 1006,50 y8 110,0 6,0 30,0 9,50
Mbl HVYLEEEPK 572,28 907,44 y7 110,0 6,0 29,0 8,25
Mbl HVYLEEEPK 572,28 744,37 y6 110,0 6,0 29,0 9,00
Mbl GIVLNEPSVVALDK 729,42 832,48 y8 100,0 8,5 32,0 16,00
Mbl GIVLNEPSVVALDK 729,42 961,53 y9 100,0 8,0 31,0 16,00
Mbl GIVLNEPSVVALDK 729,42 1075,57 y10 100,0 8,0 31,0 16,00
Mbl GIVLNEPSVVALDK 727,41 828,48 y8 100,0 8,5 32,0 16,00
Mbl GIVLNEPSVVALDK 727,41 957,52 y9 100,0 8,0 31,0 16,00
Mbl GIVLNEPSVVALDK 727,41 1071,56 y10 100,0 8,0 31,0 16,00
PyR GADIPVDITDQK 640,34 923,49 y8 100,0 12,0 28,0 13,00
PyR GADIPVDITDQK 640,34 727,37 y6 100,0 12,0 40,0 11,00
PyR GADIPVDITDQK 640,34 499,26 y4 100,0 12,0 42,0 13,50
PyR GADIPVDITDQK 636,33 915,48 y8 100,0 12,0 28,0 13,00
PyR GADIPVDITDQK 636,33 719,36 y6 100,0 12,0 40,0 11,00
PyR GADIPVDITDQK 636,33 491,25 y4 100,0 12,0 42,0 13,50
PyrR AVILDEQAIR 566,32 961,54 y8 98,0 9,5 25,0 9,00
PyrR AVILDEQAIR 566,32 848,45 y7 98,0 9,8 31,0 8,00
PyrR AVILDEQAIR 566,32 735,37 y6 98,0 9,8 31,0 6,50
PyrR AVILDEQAIR 564,32 957,53 y8 98,0 9,5 25,0 9,00
PyrR AVILDEQAIR 564,32 844,45 y7 98,0 9,8 31,0 8,00
PyrR AVILDEQAIR 564,32 731,36 y6 98,0 9,8 31,0 6,50
PyrR GADIPVDITDQK 639,33 921,49 y8 80,0 11,0 28,0 16,00
PyrR GADIPVDITDQK 639,33 719,35 y6 80,0 11,0 40,0 11,00
PyrR GADIPVDITDQK 639,33 491,24 y4 80,0 11,0 38,0 11,00
PyrR GADIPVDITDQK 636,32 915,47 y8 80,0 11,0 28,0 16,00
PyrR GADIPVDITDQK 636,32 719,35 y6 80,0 11,0 40,0 11,00
PyrR GADIPVDITDQK 636,32 491,24 y4 80,0 11,0 38,0 11,00
PyrR VILVDDVLYTGR 684,89 1156,62 y10 124,5 5,1 28,5 11,25
PyrR VILVDDVLYTGR 684,89 1043,54 y9 128,0 6,6 29,0 4,50
PyrR VILVDDVLYTGR 684,89 944,47 y8 124,5 5,2 30,0 9,00
PyrR VILVDDVLYTGR 681,89 1150,61 y10 124,5 5,1 28,5 11,25
PyrR VILVDDVLYTGR 681,89 1037,52 y9 128,0 6,6 29,0 4,50
PyrR VILVDDVLYTGR 681,89 938,46 y8 124,5 5,2 30,0 9,00
Anhang
119
Anh. 1: fortlaufend.
Protein Peptidsequenz Q1 m/z Q3 m/z Ion DP (V) EP (V) CE (V) CXP (V)
SdhA YPAYGNLVPR 580,31 665,40 y6 105,0 10,0 32,0 8,00
SdhA YPAYGNLVPR 580,31 828,46 y7 105,0 10,0 34,0 12,00
SdhA YPAYGNLVPR 580,31 899,50 y8 105,0 10,0 33,0 13,00
SdhA YPAYGNLVPR 575,31 655,39 y6 105,0 10,0 32,0 8,00
SdhA YPAYGNLVPR 575,31 818,45 y7 105,0 10,0 34,0 12,00
SdhA YPAYGNLVPR 575,31 889,49 y8 105,0 10,0 33,0 13,00
SdhA TPEGLLDFR 529,28 730,41 y6 102,0 8,0 30,0 10,00
SdhA TPEGLLDFR 529,28 859,45 y7 102,0 8,0 29,0 12,00
SdhA TPEGLLDFR 529,28 332,20 y2 102,0 8,0 35,0 8,00
SdhA TPEGLLDFR 524,28 720,40 y6 102,0 8,0 30,0 10,00
SdhA TPEGLLDFR 524,28 849,45 y7 102,0 8,0 29,0 12,00
SdhA TPEGLLDFR 524,28 322,19 y2 102,0 8,0 35,0 8,00
SdhA ININDTTK 463,80 813,42 y7 92,5 3,1 26,0 7,00
SdhA ININDTTK 463,80 699,38 y6 90,0 5,8 22,5 6,00
SdhA ININDTTK 463,80 228,13 b2 89,0 7,8 24,0 5,50
SdhA ININDTTK 459,75 805,40 y7 92,5 3,1 26,0 7,00
SdhA ININDTTK 459,75 691,36 y6 90,0 5,8 22,5 6,00
SdhA ININDTTK 459,75 228,13 b2 89,0 7,8 24,0 5,50
Upp GYIVPGLGDAGDR 650,33 433,24 b4 100,0 9,5 25,0 12,50
Upp GYIVPGLGDAGDR 650,33 867,42 y9 100,0 9,5 28,0 14,00
Upp GYIVPGLGDAGDR 650,33 334,18 b3 100,0 9,5 31,0 9,00
Upp GYIVPGLGDAGDR 645,33 433,24 b4 100,0 9,5 25,0 12,50
Upp GYIVPGLGDAGDR 645,33 857,41 y9 100,0 9,5 28,0 14,00
Upp GYIVPGLGDAGDR 645,33 334,18 b3 100,0 9,5 31,0 9,00
Upp LPSDVEER 476,24 831,38 y7 113,0 9,0 26,0 11,00
Upp LPSDVEER 476,24 734,33 y6 113,0 9,0 29,0 11,00
Upp LPSDVEER 476,24 532,27 y4 113,0 9,0 35,0 11,00
Upp LPSDVEER 472,73 831,38 y7 113,0 9,0 26,0 11,00
Upp LPSDVEER 472,73 734,33 y6 113,0 9,0 29,0 11,00
Upp LPSDVEER 472,73 532,27 y4 113,0 9,0 35,0 11,00
Upp GYIVPGLGDAGDR 647,33 433,24 b4 100,0 9,5 25,0 12,50
Upp GYIVPGLGDAGDR 647,33 861,41 y9 100,0 9,5 28,0 14,00
Upp GYIVPGLGDAGDR 647,33 334,17 b3 100,0 9,5 31,0 9,00
Upp GYIVPGLGDAGDR 645,33 433,24 b4 100,0 9,5 25,0 12,50
Upp GYIVPGLGDAGDR 645,33 857,41 y9 100,0 9,5 28,0 14,00
Upp GYIVPGLGDAGDR 645,33 334,18 b3 100,0 9,5 31,0 9,00
Upp LGVVPILR 436,80 498,34 y4 81,0 4,6 22,5 6,75
Upp LGVVPILR 436,80 603,42 y5 81,0 4,6 23,5 9,00
Upp LGVVPILR 436,80 759,51 y7 81,0 4,5 27,5 11,00
Upp LGVVPILR 433,79 498,34 y4 81,0 4,6 22,5 6,75
Upp LGVVPILR 433,79 597,41 y5 81,0 4,6 23,5 9,00
Upp LGVVPILR 433,79 753,50 y7 81,0 4,5 27,5 11,00
YkrZ LDELLENFK 564,81 900,49 y7 104,0 9,5 24,0 11,00
YkrZ LDELLENFK 564,81 1015,52 y8 104,0 9,5 27,0 10,00
Anhang
120
Anh. 1: fortlaufend.
Protein Peptidsequenz Q1 m/z Q3 m/z Ion DP (V) EP (V) CE (V) CXP (V)
YkrZ LDELLENFK 564,81 658,37 y5 104,0 9,5 26,0 11,00
YkrZ LDELLENFK 560,80 892,48 y7 104,0 9,5 24,0 11,00
YkrZ LDELLENFK 560,80 1007,50 y8 104,0 9,5 27,0 10,00
YkrZ LDELLENFK 560,80 650,35 y5 104,0 9,5 26,0 11,00
YkrZ LNPGDLISVPENIR 773,93 937,53 y8 105,0 10,0 42,0 13,75
YkrZ LNPGDLISVPENIR 773,93 638,35 y5 105,0 12,0 35,0 14,50
YkrZ LNPGDLISVPENIR 773,93 824,45 y7 105,0 10,0 36,0 19,00
YkrZ LNPGDLISVPENIR 768,92 927,53 y8 105,0 10,0 42,0 13,75
YkrZ LNPGDLISVPENIR 768,92 628,34 y5 105,0 10,0 35,0 14,50
YkrZ LNPGDLISVPENIR 768,92 814,44 y7 105,0 10,0 36,0 19,00
YkrZ QQILDTFETEIK 736,39 1102,57 y9 100,0 3,8 32,0 11,00
YkrZ QQILDTFETEIK 736,39 982,47 y8 100,0 3,8 32,0 8,50
YkrZ QQILDTFETEIK 736,39 867,44 y7 100,0 3,8 31,0 11,50
YkrZ QQILDTFETEIK 732,88 1095,55 y9 100,0 3,8 32,0 11,00
YkrZ QQILDTFETEIK 732,88 982,47 y8 100,0 3,8 32,0 8,50
YkrZ QQILDTFETEIK 732,88 867,44 y7 100,0 3,8 31,0 11,50
YkrZ AQDVISLSDSNP 626,81 726,33 y7 83,5 5,1 21,0 11,25
YkrZ AQDVISLSDSNP 626,81 527,28 b5 83,5 6,4 22,0 7,50
YkrZ AQDVISLSDSNP 626,81 519,20 y5 83,5 5,5 20,5 15,50
YkrZ AQDVISLSDSNP 623,30 719,32 y7 83,5 5,1 21,0 11,25
YkrZ AQDVISLSDSNP 623,30 527,28 b5 83,5 6,4 22,0 7,50
YkrZ AQDVISLSDSNP 623,30 519,20 y5 83,5 5,5 20,5 15,50
Anhang
121
Anh. 2: Sequenzen der quantifizierten Peptide aus S. aureus und ihre optimierten SRM-Parameter.
Die quantifizierten Peptide der Kalibrationsproteine sind mit ihrer Vorgängerionenmasse (Q1 m/z), ihrer
Fragmentionenmassen (Q3 m/z) sowie den korrespondierenden Übergangsparametern Eingangspotential
(EP), Declustering Potential (DP), Kollisionsenergie (CE) und Kollisionszellenaustrittspotential (CXP)
aufgeführt. Die markierte, 13
C und 15
N enthaltende Aminosäure ist fett gedruckt.
Protein Peptidsequenz Q1 m/z Q3 m/z Ion
DP
(V)
EP
(V)
CE
(V) CXP (V)
GroEL VGAASETELK 506,28 713,37 y6 85 9,5 25,0 11,50
GroEL VGAASETELK 506,28 784,41 y7 85 9,5 26,0 13,00
GroEL VGAASETELK 506,28 912,47 y9 85 9,5 26,5 8,75
GroEL VGAASETELK 502,77 706,36 y6 85 9,5 25,0 11,50
GroEL VGAASETELK 502,77 777,40 y7 85 9,5 26,0 13,00
GroEL VGAASETELK 502,77 905,45 y9 85 9,5 26,5 8,75
GroEL IEDALNSTR 513,27 912,45 y8 95 10,0 30,0 9,00
GroEL IEDALNSTR 513,27 783,41 y7 95 10,0 25,0 12,00
GroEL IEDALNSTR 513,27 668,38 y6 95 10,0 31,0 10,50
GroEL IEDALNSTR 509,76 905,43 y8 95 10,0 30,0 9,00
GroEL IEDALNSTR 509,76 776,39 y7 95 10,0 25,0 12,00
GroEL IEDALNSTR 509,76 661,36 y6 95 10,0 31,0 10,50
GroEL GVDQLANAVK 511,29 865,49 y8 90 8,8 23,5 8,00
GroEL GVDQLANAVK 511,29 622,40 y6 90 8,8 26,5 9,25
GroEL GVDQLANAVK 511,29 502,30 y5 90 8,8 23,5 6,75
GroEL GVDQLANAVK 507,78 858,47 y8 90 8,8 23,5 8,00
GroEL GVDQLANAVK 507,78 615,38 y6 90 8,8 26,5 9,25
GroEL GVDQLANAVK 507,78 502,29 y5 90 8,8 23,5 6,75
AtpA AEEISALLR 504,79 808,50 y7 90 6,8 25,0 7,50
AtpA AEEISALLR 504,79 679,46 y6 90 6,8 25,0 6,50
AtpA AEEISALLR 504,79 566,37 y5 90 6,8 25,5 8,25
AtpA AEEISALLR 501,28 801,48 y7 90 6,8 25,0 7,50
AtpA AEEISALLR 501,28 672,44 y6 90 6,8 25,0 6,50
AtpA AEEISALLR 501,28 559,36 y5 90 6,8 25,5 8,25
AtpA TTIAIDTILNQK 669,39 1022,60 y9 110 8,5 32,0 9,75
AtpA TTIAIDTILNQK 669,39 838,47 y7 110 8,5 32,0 14,00
AtpA TTIAIDTILNQK 669,39 389,21 y3 110 8,5 25,0 4,75
AtpA TTIAIDTILNQK 665,88 1015,58 y9 110 8,5 32,0 9,75
AtpA TTIAIDTILNQK 665,88 831,46 y7 110 8,5 32,0 14,00
AtpA TTIAIDTILNQK 665,88 389,21 y3 110 8,5 25,0 4,75
AtpA GYLDDIPVVDITR 741,40 805,48 y7 115 2,8 29,5 5,25
AtpA GYLDDIPVVDITR 741,40 677,31 b6 115 2,8 26,5 12,00
AtpA GYLDDIPVVDITR 741,40 564,23 b5 115 2,8 33,5 18,00
AtpA GYLDDIPVVDITR 738,39 799,47 y7 115 2,8 29,5 5,25
AtpA GYLDDIPVVDITR 738,39 677,31 b6 115 2,8 26,5 12,00
AtpA GYLDDIPVVDITR 738,39 564,23 b5 115 2,8 33,5 18,00
RplJ DHEALEIK 481,25 382,14 b3 92 7,0 37,5 10,75
RplJ DHEALEIK 481,25 453,17 b4 92 7,0 35,0 12,75
Anhang
122
Anh. 2: fortlaufend.
Protein Peptidsequenz Q1 m/z Q3 m/z Ion
DP
(V)
EP
(V)
CE
(V) CXP (V)
RplJ DHEALEIK 481,25 253,09 b2 92 7,0 39,0 4,50
RplJ DHEALEIK 477,75 382,14 b3 92 7,0 37,5 10,75
RplJ DHEALEIK 477,75 453,17 b4 92 7,0 35,0 12,75
RplJ DHEALEIK 477,75 253,09 b2 92 7,0 39,0 4,50
RplJ GLTVAEVTDLR 590,33 809,44 y7 95 6,3 31,5 13,25
RplJ GLTVAEVTDLR 590,33 738,40 y6 95 6,3 30,5 11,00
RplJ GLTVAEVTDLR 590,33 288,20 y2 95 6,3 47,0 7,25
RplJ GLTVAEVTDLR 587,33 803,43 y7 95 6,3 31,5 13,25
RplJ GLTVAEVTDLR 587,33 732,39 y6 95 6,3 30,5 11,00
RplJ GLTVAEVTDLR 587,33 288,20 y2 95 6,3 47,0 7,25
Upp LPQDITER 489,77 768,40 y6 70 4,0 31,0 12,00
Upp LPQDITER 489,77 640,34 y5 70 4,0 32,0 9,00
Upp LPQDITER 489,77 525,31 y4 70 4,0 37,5 7,75
Upp LPQDITER 486,26 761,38 y6 70 4,0 31,0 12,00
Upp LPQDITER 486,26 633,32 y5 70 4,0 32,0 9,00
Upp LPQDITER 486,26 518,29 y4 70 4,0 37,5 7,75
Upp AYITPGLGDAGDR 656,83 965,48 y10 78 5,0 30,0 15,50
Upp AYITPGLGDAGDR 656,83 864,43 y9 78 5,0 31,5 14,00
Upp AYITPGLGDAGDR 656,83 449,24 b4 78 5,0 27,0 12,75
Upp AYITPGLGDAGDR 653,33 958,46 y10 78 5,0 30,0 15,50
Upp AYITPGLGDAGDR 653,33 857,41 y9 78 5,0 31,5 14,00
Upp AYITPGLGDAGDR 653,33 449,24 b4 78 5,0 27,0 12,75
Upp DLELQDVDIETPVTK 861,45 1123,60 y10 110 6,0 40,0 19,00
Upp DLELQDVDIETPVTK 861,45 909,50 y8 110 6,0 37,5 15,50
Upp DLELQDVDIETPVTK 861,45 444,28 y4 110 6,0 51,0 13,00
Upp DLELQDVDIETPVTK 857,94 1116,58 y10 110 6,0 40,0 19,00
Upp DLELQDVDIETPVTK 857,94 902,48 y8 110 6,0 37,5 15,50
Upp DLELQDVDIETPVTK 857,94 444,28 y4 110 6,0 51,0 13,00
SACOL2053 DEFETPILK 549,79 854,51 y7 85 10,0 22,5 14,50
SACOL2053 DEFETPILK 549,79 707,44 y6 85 10,0 25,0 11,75
SACOL2053 DEFETPILK 549,79 578,40 y5 85 10,0 29,5 18,00
SACOL2053 DEFETPILK 546,28 847,49 y7 85 10,0 22,5 14,50
SACOL2053 DEFETPILK 546,28 700,42 y6 85 10,0 25,0 11,75
SACOL2053 DEFETPILK 546,28 571,38 y5 85 10,0 29,5 18,00
SACOL2053 LGFGGNDLGSDALK 685,86 1053,53 y11 108 9,5 37,0 10,00
SACOL2053 LGFGGNDLGSDALK 685,86 710,42 y7 108 9,5 40,0 11,00
SACOL2053 LGFGGNDLGSDALK 685,86 590,31 y6 108 9,5 39,0 8,50
SACOL2053 LGFGGNDLGSDALK 682,35 1046,51 y11 108 9,5 37,0 10,00
SACOL2053 LGFGGNDLGSDALK 682,35 703,40 y7 108 9,5 40,0 11,00
SACOL2053 LGFGGNDLGSDALK 682,35 590,31 y6 108 9,5 39,0 8,50
SACOL2053 ETEQFVADLIK 649,85 811,50 y7 110 8,0 31,5 13,50
SACOL2053 ETEQFVADLIK 649,85 664,43 y6 110 8,0 30,5 10,50
SACOL2053 ETEQFVADLIK 649,85 559,35 y5 110 8,0 30,0 8,50
Anhang
123
Anh. 2: fortlaufend.
Protein Peptidsequenz Q1 m/z Q3 m/z Ion
DP
(V)
EP
(V)
CE
(V) CXP (V)
SACOL2053 ETEQFVADLIK 646,84 805,48 y7 110 8,0 31,5 13,50
SACOL2053 ETEQFVADLIK 646,84 658,41 y6 110 8,0 30,5 10,50
SACOL2053 ETEQFVADLIK 646,84 559,35 y5 110 8,0 30,0 8,50
Anhang
124
Anh. 3: Sekundärer oxidativer Stress. Gelistet sind die absoluten Proteinmengen in Molekülen pro Zelle und die relativen quantitativen Änderungen nach Hitzestress
für Proteine mit einer Funktion bei der Anpassung an oxidativen und elektrophilen Stress. Für alle aufgeführten Proteine ist eine σB-abhängige Regulation sowie eine
bekannte Induktion nach Hitze- und oxidativem Stress (Reder et al. 2012) vermerkt. Fett gedruckte Proteinnamen kennzeichnen quantitative Änderungen um mindestens
Faktor 4 und werden im Haupttext diskutiert.
Moleküle pro Zelle relative Änderung
Protein
BSU-
Nummer σB-abhängig
induziert
nach Hitze
und oxid.
Stress Funktion Kontrolle 10‘ 30‘ 60‘ 10‘ 30‘ 60‘
YvyD BSU35310 x x generelles Stressprotein 207 681 3.262 9.540 3,29 15,76 46,09
OhrB BSU13160 x x generelles Stressprotein 1.457 12.252 26.988 20.433
8,41 18,52 14,02
SigB BSU04730 x x RNA Polymerase Sigmafaktor SigB 53 227 459 676
4,28 8,66 12,75
YsnF BSU28340 x x generelles Stressprotein, Überleben nach
Ethanolstress
115 986 509 256 8,57 4,43 2,23
Dps BSU30650 x - generelles Stressprotein 1.657 11.213 14.860 17.867
6,77 8,97 10,78
SodA BSU25020 x - generelles Stressprotein, Superoxidmutase 50.924 110.342 179.084 224.860
2,17 3,52 4,42
TrxA BSU28500 x - antioxidative Funktion 9.490 23.432 36.874 36.691
2,47 3,89 3,87
YraA BSU27020 x - generelles Stressprotein 1.373 4.051 5.061 4.852
2,95 3,69 3,53
KatE BSU39050 x - generelles Stressprotein, Katalase 570 1.028 1.269 1.855
1,80 2,23 3,25
YvgN BSU33400 x - generelles Stressprotein, Glyoxalreduktase 22.012 38.419 44.612 54.906
1,75 2,03 2,49
YdbD BSU04430 x - generelles Stressprotein 2.088 3.282 3.989 3.890
1,57 1,91 1,86
KatX BSU38630 x - generelles Stressprotein, Katalase 414 577 361 242
1,39 0,87 0,58
NfrA BSU38110 - - Stressprotein, Nitro/Flavinreduktase 394 1.102 1.623 2.015
2,80 4,12 5,11
Tpx BSU29490 - - mögliche Thiolperoxidase 7.703 16.365 26.057 35.678
2,12 3,38 4,63
AhpC BSU40090 - - Alkylhydroperoxidereduktase (kleine Untereinheit) 56.404 122.829 179.490 253.482
2,18 3,18 4,49
AhpF BSU40100 - - Alkylhydroperoxidereduktase (große Untereinheit) 7.753 14.286 21.777 33.379
1,84 2,81 4,31
OhrA BSU13140 - - Peroxidase 502 877 1.239 1.958
1,75 2,47 3,90
AzoR1 BSU19230 - - Azoreduktase 3.013 5.211 11.391 11.585
1,73 3,78 3,85
AzoR2 BSU33540 - - ähnlich zu NAD(P)H-Dehydrogenase 4.564 7.377 8.379 15.738
1,62 1,84 3,45
Anhang
125
Anh. 3: fortlaufend.
Moleküle pro Zelle relative Änderung
Protein
BSU-
Nummer σB-abhängig
induziert
nach Hitze
und oxid.
Stress Funktion Kontrolle 10‘ 30‘ 60‘ 10‘ 30‘ 60‘
MsrA BSU21690 - - Peptidmethioninsulfoxidreduktase 164 249 481 562
1,52 2,93 3,43
MhqA BSU12870 - - Hydroquinon-spezifische Dioxygenase 519 986 1.398 1.658
1,90 2,69 3,19
YgaF BSU08720 - - ähnlich zu bacterioferritin comigrierendem Protein 1.278 2.110 2.346 4.000
1,65 1,84 3,13
HypO BSU07830 - - NAD(P)H-flavinoxidoreduktase 979 1.402 1.631 3.062
1,43 1,67 3,13
YwbC BSU38370 - - mögliche Methylglyoxalase 3.854 6.778 8.080 11.618
1,76 2,10 3,01
MrgA BSU32990 - - DNA-bindendes Stressprotein 808 1.210 1.279 2.321
1,50 1,58 2,87
CatR BSU33680 - - unbekannte Funktion 105 287 316 300
2,73 3,01 2,86
YodC BSU19550 - - ähnlich zu Nitroreduktase 3.942 5.772 6.104 10.996
1,46 1,55 2,79
YqjM BSU23820 - - NADPH-abhänginge Flavinoxidoreduktase 957 1.532 1.805 2.209
1,60 1,89 2,31
MhqD BSU19560 - - möglicherweise involviert in Schutz gegen Methyl-
hydroquinon
2.156 2.889 2.322 4.354 1,34 1,08 2,02
BshA BSU22460 - - ähnlich zu Protein in Verbindung mit Lipopoly-
saccharidbiosynthese
312 444 678 612 1,42 2,17 1,96
MsrB BSU21680 - - Peptidmethioninsulfoxidreduktase 775 1.264 1.520 1.154
1,63 1,96 1,49
BshB1 BSU22470 - - unbekannte Funktion 406 416 349 557
1,02 0,86 1,37
BshC BSU15120 - - unbekannte Funktion 894 1.093 973 1.193
1,22 1,09 1,33
KatA BSU08820 - - vegetative Katalase 1 2.359 2.485 1.720 2.330
1,05 0,73 0,99
HxlA BSU03460 - - 3-Hexulose-6-phosphatsynthase 180 267 87 36 1,48 0,48 0,20
Anhang
126