质谱在蛋白质组学和基因组学研究中的应用

关键字

质谱学，基因组学，蛋白质组学

简介

蛋白质组学可能是一个分支基因组学为了研究蛋白质的性质，如这些蛋白质的表达，post转录修饰和蛋白质-蛋白质的相互作用[1]获取全球范围内的细胞方法。蛋白质可能是一种动态特征，它的组织位置和状态随着响应而不断变化刺激内外皆有。与基因相反，蛋白质它们的化学行为差异很大，很难用一种对所有蛋白质都有效的技术来绘制[2 - 6]。蛋白质组学分析需要采样、分离浓缩、鉴定、蛋白质结构和蛋白质相互作用网络的确定和正确分析。

从蛋白质组质谱精确识别生物样品中的多肽和蛋白质可能是生物信息学中的一个难题[7,8]。识别算法的灵敏度取决于常用的标记方法，有些方法非常敏感，非常具体。深入分析了不同的方法来一致标记开发著名的蛋白质混合物，并分析了3种完全不同的搜索算法:being, Sequest和X!串联被考虑在内。

就像我们经常碰到的几个定义一样生物利用度，我们倾向于最终理解[9]，生物利用度是指一旦一种物质进入人体内，它在血液流动中出现的数量被称为该因素的生物利用度[10-13]。生物可及性是在生物降解和环境污染的背景下与生物利用度相关的一个概念。一个分子被认为是生物可利用的，一旦“它从周围的细胞膜上出来，如果生物体能够接触到化学物质”。在礼物日研究中，微小的、生物可利用量的污染物的存在已经产生了关于潜在积聚造成的健康威胁的问题毒素在有机现象中，以及在采矿业[15,16]，如果尚未对这些材料进行生物可达性测试，这对于更高的健康风险估计至关重要。

生物信息学可能是生物学和科学学科中间的一个新分支，它本身就是分析的一个替代空间。因此，生物信息学担心创建和应用基于信息的方法来调查生物信息集，因此包含的信息[18]。随着微阵列、排序测序等技术的广泛应用，每天都会积累大量的信息。因此，需要对这些信息集进行机械提取和分析。为了填补这一空白，在生物信息学的帮助下设计了新的工具[19-22]。数学技术和应用数学方法的平方测量自然解决了目前的缺陷[23]。

肺癌(LC)是全球最常见的癌症死亡原因之一，有机现象识别已成功地用于对各种肿瘤的分类和评估肿瘤阶段。DREB1A为冷诱发序列提出引物，完成Primer3包开发[24,25]。阿尔茨海默病可能是一种进行性神经退行性疾病，其特征是由聚集性β淀粉样蛋白斑块组成的淀粉样斑块沉积，以及由过度磷酸化的字母字符组成的神经纤维缠结，导致连接缺陷导致神经性营养不良和神经元死亡[26,27]。从在线可访问的各种生物数据库中检索信息，绝对发现有74个基因会导致阿尔茨海默病，在这74个蛋白质中，该平方测量可能涉及疾病平方测量，利用ClustalW和生物过程树分析[28 - 31]。二维凝胶自然过程将从粗蛋白质样本中检索数千种不同蛋白质的信息。开发了一个用于分析和比较二次凝胶开发生物信息学工具的web服务器。大规模遗传科学和有机现象信息的实际分析和解释需要有效利用生物信息学工具和资源，包括专家指导检查[32]。研究了酵母蛋白-蛋白相互作用网络节点度分布的正确理论描述，以找出有时规划模型与现有信息之间的确定差异。

植物血凝素微阵列助理在一个新兴的技术领域认可多重影院吗多糖以直接、迅速和敏感的方式进行识别。到目前为止，还没有一个可靠的系统可以进行经济的数据挖掘来理解差分识别，这是一种有效的方法生物标志物调查[33]。从几项研究中获得的信息是通过微阵列系统在增益合并过程中采用最大归一化程序，然后进行主元分析[34,35]。在整个人类免疫疾病感染过程中，宿主和感染原之间发生相互作用。这种相互作用主要决定病毒感染的效力，从而决定疾病的进展。VpR的理论结构为开发modeler9v1[36]，这是一个用于蛋白质开发特殊约束的比较建模程序。该理论结构为新型铅的合成铺平了道路。采用数据处理方法，从各种派生序列和结构选项中生成关联规则，用于预测平均灵活性[37 - 40]。

在癌症生物标志物分析中，应用数学方法发现表达特征，显示癌症在受影响人群中的异质性，这是一个充满生命空间的[41]。这可以通过对一项皮肤癌研究的遗传科学信息的分析进行协作，在该研究中，差异表达最常见的是在整个分布中呈现，而不是在尾部累积，尽管许多蛋白质的表达模式与外部表达一致[42-44]。基于蛋白质组学的方法被应用于描述神经元细胞对溴化吡啶的反应[45]。从转移瘤细胞中提取蛋白质，用700nM PB处理10天，与管理细胞提取物相同，利用二维凝胶自然分离。通过MALDI-TOF质量化学分析(MS)发现了20个差异表达蛋白[46 - 48]。采用Maldi -TOF质谱技术对暴露于1800mhz GSM移动信号下的受影响蛋白进行检测。

遗传科学中的质谱分析

在过去的十年里，变化多端质谱分析基于蛋白质组的方法应用于分析来自导管腺体组织、果汁、细胞系和血清的不健康和传统样本的蛋白质组，目的是解剖肿瘤发生背后的异常通信途径和独特的新生物标志物。许多技术在遗传科学中均可应用，但以LC - ms为主的复杂蛋白混合物分析已成为定量遗传科学的主流分析技术[49 - 52]。

一种基于质谱的遗传科学策略，用于观察蛋白质-蛋白质相互作用，利用抗绿色荧光蛋白单链抗体V(H)H与完全独特的稳定原子标记化学剂，原子粘性氨基基团(iTAG)[53]结合。

对已知蛋白质的实际分类表明，小面群体细胞优于分类应激蛋白，细胞骨架糖酵解代谢的蛋白质和酶[54]。独特的s-亚硝基化蛋白的新方法的应用，特别是一旦与基于遗传科学的质谱结合，以提供改变的氨基烷酸残基的特定位点鉴定，保证为这一动态的调节作用提供重要线索转译后的细胞过程中的修饰[55]。

结论

质谱分析包括蛋白质分离、2D-PAGE平液等自然过程是目前遗传科学研究的主要技术。该技术将产生大量的原始质谱和/或循环质谱[56 - 60]。这些质谱信息将通过生物信息学工具进行分析，以便从蛋白质数据库中快速检索，从而鉴定功能尚不清楚的新蛋白质。高分辨率和精度的质谱仪器的大量可用[61]，散射枪定量遗传科学近年来获得了好名声，因为它能够审查各种各样的样本，而不需要资源密集型和可能有偏见的标记步骤。近年来开发了几种机器方法来辅助这些过程[62 - 65]。

参考文献

1. 何晓峰，王晓峰，张晓峰。数据挖掘技术在蛋白质组学研究中的应用。中国生物医学工程学报。2005;2:63-64。
2. Gupta AK，等。小麦赤穗病(Tilletia indica) MAP激酶基因的分子克隆及其下游转录因子的硅片鉴定。蛋白质组学与生物信息学。2011;4:160-169。
3. 胡zz，等。从蛋白质组学和微阵列数据进行辐射诱导通路分析的综合生物信息学。蛋白质组学与生物信息学。2008;1:47-60。
4. Perkins DN，等人。通过使用质谱数据搜索序列数据库，基于概率的蛋白质鉴定。电泳。1999;20:3551 - 3567。
5. Eng JK，等。一种将多肽串联质谱数据与蛋白质数据库中氨基酸序列关联的方法。质谱学报。1994;5:976-989。
6. Craig R和Beavis RC。串联质谱:用串联质谱匹配蛋白质。生物信息学。2004;20:1466 - 1467。
7. Sultana T，等。利用蛋白质标准混合物通过质谱检测和推定鉴定多肽的共识方法的优化使用。中国生物医学工程学报。2009;
8. Dagda RK，等。基于串联质谱的蛋白质组学四种肽识别算法的一致性评价。蛋白质组学与生物信息学。2010;3:39-47。
9. 张勇，等。Prelocabc:一种使用贝叶斯分类器的蛋白质亚细胞定位的新预测器。蛋白质组学与生物信息学。2011;4:44-52。
10. Vaseeharan B和Valli SJ。原酚氧化酶激活因子丝氨酸蛋白酶基因的硅质同源性建模。蛋白质组学与生物信息学。2011;4:53-57。
11. 梁凯，王霞。基于确定性序列抽样的蛋白质二级结构预测。《基因组蛋白质组学数据挖掘》2011;2:107。
12. Michael K等人。自动计算独特的肽序列，以质谱法明确鉴定高度同源蛋白。中国生物工程学报。2008;1:006-010。
13. Thiele H，等。管理蛋白质组学数据:从生成和数据仓库到中央数据仓库。蛋白质组学与生物信息学。2008;1:485-507。
14. 人类蛋白质组中肽键类型的量化表明DNA密码子是如何在生命起源前的条件下组装的。蛋白质组学与生物信息学。2011;4:153-159。
15. Murty USN，等。聚类CAM激酶蛋白序列的计算机分析方法。蛋白质组学与生物信息学。2009;2:97-107。
16. Paul K等人。全球蛋白质组学:通过蛋白质组学分析的几何解释进行药效学决策。蛋白质组学与生物信息学。2008;1:315-328。
17. 李淑芳，等。免疫沉淀法氘化亮氨酸标记分析细胞蛋白复合物的研究进展。蛋白质组学与生物信息学。2008;1:293-301。
18. Sunil K，等。组织蛋白酶L蛋白的三维结构预测鼠形．蛋白质组学与生物信息学。2008;1:307-314。
19. Somnath T，等。路径建模:图形概率分析的新面貌。蛋白质组学与生物信息学。2008;1:281-286。
20. Nanjappa V，等。瘦素信号通路的综合策划反应图。蛋白质组学与生物信息学。2011;4:184-189。
21. Ramón A，等。利用公共数据库的多种资源集成和预测PPI。蛋白质组学与生物信息学。2008;1:166-187。
22. Mohammed A和Guda C.酶序列自动分类的计算方法。蛋白质组学与生物信息学杂志，2011;4:147 152。
23. Griss J和Gerner C. GPDE:骄傲的生物学观点。中国生物医学工程学报。2009;
24. Asthana M，等。分离、克隆和在网上与家禽水化心包综合征相关的鸡腺病毒4 (FAV4)分离株Hexon基因的研究。蛋白质组学与生物信息学。2011;4:190-195。
25. Oinn T，等。Taverna:构成和制定生物信息学工作流程的工具。生物信息学。2004;20:3045 - 3054。
26. Fong CC，等。DataBiNS-Viz:一个基于web的非同义SNP数据可视化工具。蛋白质组学与生物信息学。2008;1:233-236。
27. Henneges C，等。从蛋白质组学数据预测常见高分肽的排序方法。蛋白质组学与生物信息学。2009;2:226-235。
28. 安妮卡·T等人。原代星形细胞培养含血清条件培养基的蛋白质组学分析。蛋白质组学与生物信息学。2008;1:128-142。
29. 冯明G，等。血清蛋白质组学双向聚丙烯酰胺凝胶电泳的优化条件。蛋白质组学与生物信息学。2008;1:250- 257。
30. Butt AM和Ahmed A. MUTATER:在蛋白质和核苷酸序列中引入自定义基于位置的突变的工具。中国生物医学工程学报。2009;
31. Kumar GSS，等。结核性脑膜炎的基因表达谱分析。蛋白质组学与生物信息学。2011;
32. Hamrita B，等。人类乳腺癌的蛋白质组学分析:生物标志物分析的新技术和临床应用。蛋白质组学与生物信息学。2011;3:091-098。
33. Cooley P，等。全基因组关联研究(GWAS)中固有误差对单基因模型的影响。蛋白质组学与生物信息学。2011;4:138-144。
34. Ye K，等。挖掘独特的- - - - - -米来自基因组的子字符串。蛋白质组学与生物信息学。2010;3:099-100。
35. McGuffin LJ和Jones DT。基因组折叠识别GenTHREADER方法的改进。生物信息学。2003;19:874 - 881。
36. Ingale AG和Chikhale NJ。麻痹性杀虫毒素(ITX-1)的三维结构预测Tegenaria agrestis)(流浪汉蜘蛛)。《基因组蛋白质组学数据挖掘》，2010;1:102。
37. Pandarinath P，等。基于Python的亲水性图来评估蛋白质的暴露和隐藏区域。蛋白质组学与生物信息学。2011;4:145-146。
38. 皮埃尔M等。从几个微阵列数据集中增强的meta分析突出了涉及转移的基因。蛋白质组学与生物信息学。2011;4:036-043。
39. Marimuthu A，等。胃癌基因表达谱分析。蛋白质组学与生物信息学。2011;4:074-082。
40. Vuong H，等。蛋白质组学研究中基于离群值的差异表达分析。蛋白质组学与生物信息学。2011;4:116-122。
41. Magdeldin S，等。“全部与无”精炼策略;从蛋白质组学海洋中寻找正确的蛋白质。蛋白质组学与生物信息学。2011;4:123-124。
42. Pappin DJ等。肽质量指纹图谱快速鉴定蛋白质。生物学报，1993;3:327-332。
43. 阿卜杜拉，等。海湾战争制剂溴化吡啶斯的明处理人神经元细胞的蛋白质组学分析。蛋白质组学与生物信息学。2009;2:439-444。
44. Nylund R，等。人内皮细胞系EA.hy926对1800 GSM手机辐射反应的蛋白质组学分析。中国生物医学工程学报。2009;
45. Shekouh AR，等。激光捕获显微解剖联合双向电泳在胰腺导管腺癌中差异调控蛋白的应用。蛋白质组学。2003;3:1988 - 2001。
46. Gronborg M等。人胰液综合蛋白质组学分析。蛋白质组学杂志2004;3:1042-1055。
47. Gronborg M等。利用差异蛋白质组学方法从胰腺癌分泌组中发现生物标志物。Mol细胞蛋白质组学。2006;5:157-171。
48. Bloomston M等。通过大规模蛋白质组学分析血清样本，发现胰腺癌纤维蛋白原γ过表达。癌症法案2006;66:2592-2599。
49. 陈锐，等。用于发现生物标志物的胰腺癌蛋白质组学分析。分子细胞蛋白质组学。2005;4:523-533。
50. Aspinall-O 'Dea M和Costello E.胰腺癌蛋白质组的最新进展和未来前景。蛋白质组学杂志，2007;
51. 周伟，等。胰腺导管腺癌细胞的蛋白质组学分析显示代谢改变。中国生物工程学报(自然科学版)2011;
52. Tuli L和Ressom HW。基于LC-MS的差异蛋白表达检测。蛋白质组学与生物信息学。2009;2:416-438。
53. Satyavani R，等。小鼠骨髓“侧群”(SP)细胞的蛋白质组学分析。蛋白质组学与生物信息学。2009;2:398-407。
54. 张锐，等。基于LC-MS的无标签定量蛋白质组学计算平台的评估:全球视野。蛋白质组学与生物信息学。2010;3:260-265。
55. Jaffe JD，等。实验蛋白质组模式识别平台PEPPeR。Mol细胞蛋白质组学。2006;5:27 -1941。
56. 李新军，等。用于从液相色谱-质谱收集的数据集生成和比较肽阵列的软件套件。Mol Cell Proteomics, 2005;4:1328-1340。
57. May D，等人。质谱数据的精确质量和时间分析平台。蛋白质组学杂志，2007;6:2685-2694。
58. 米勒LN，等。基于定量蛋白质组学数据的质谱分析软件解决方案的评估。蛋白质组学报，2008;7:51-61。
59. Sturm，等。OpenMS -一个用于质谱分析的开源软件框架。BMCBioinformatics。2008; 9:163。
60. Kosaihira S，等。肺腺癌蛋白质组表达数据库:日本蛋白质组学基因组医学数据库的一部分。中国生物医学工程学报。2009;
61. 艾哈迈德铁。质谱在蛋白质组分析中的应用:第二部分。离子活化方法，统计学，生物信息学和注释。蛋白质组学。2009;6:171-191。
62. Keller A，等。通过MS/MS和数据库检索，建立经验统计模型来估计肽鉴定的准确性。《肛肠化学》2002;74:5383-5392。
63. Nesvizhskii AI，等。用串联质谱鉴定蛋白质的统计模型。化学学报，2003;
64. Cerqueira FR，等。利用新的数据挖掘框架进行MS/MS谱预处理来改进磷酸肽/蛋白质的鉴定。蛋白质组学与生物信息学。2009;2:150- 164。
65. Gustafsson JOR等人。成像质谱法及其在小鼠组织中的应用。蛋白质组学与生物信息学。2009;1:458-463。