微阵列蛋白质组学及其临床应用

文摘

随着蛋白质组学的发展,微阵列蛋白质组学,包括蛋白质芯片或芯片,已经收到了广泛的关注,因为其特点如高通量、高特异性和灵敏度,并越来越多地用于蛋白质表达谱和蛋白质相互作用的系统性研究。芯片也成为疾病诊断和早期的工具来研究疾病的预后和治疗,也已经扩展到临床应用。

关键字

微阵列;代谢物;转录组;蛋白质组学

介绍

的原理、分类、制备、应用在疾病的诊断,优势,劣势和发展前景的芯片介绍了蛋白质组学在这个简短的评论1- - - - - -3]。质谱分析是蛋白质组研究的关键技术,其进步发展的首先是电离技术,如基质辅助激光解吸电离(MALDI) [4)和电喷雾电离,其次是能力进行串联女士(MS / MS) [5]collision-induced离解碎片多肽,蛋白质组学的发展铺平了道路作为一个领域。

现在是由蛋白质的特征质谱。e鉴定的蛋白质其量化,通过研究译后修改(6]或蛋白质相互作用。一个支离破碎的蛋白质或一个完整的蛋白质可以被女士通过自顶向下或自底向上方法(7- - - - - -10]。已经知道比较完整的蛋白质,肽相对容易处理和容易研究生化的属性(11,12]。然而,分析复杂生物矩阵由高度依赖女士离线二维凝胶电泳等分离技术(2-DGE)或高效液相色谱法等简化样品前质量分析;和高效液相色谱法也是标准的前端在线分离方法对许多液体chromatography-MS(质)基础仪器平台13- - - - - -17]。

Classsification微阵列的蛋白质组学

微阵列蛋白质组学分为两组:

功能的蛋白质微阵列

b) Protein-detecting微阵列

c)蛋白质溶解产物微阵列

微点阵功能蛋白质组学

功能蛋白质组学用于研究一个特定的蛋白质组通过理解分子间相互作用的网络。这是一个强大的工具来研究蛋白质的相关函数(18];功能的蛋白质微阵列允许大规模筛选和量化proteome-wide范围内的蛋白质相互作用,从而提供一个公正的角度在不同的蛋白质相互作用网络的连通性19,20.]。2000年,施赖伯et al。21]提出纯化重组蛋白可能是微阵列上化学derivatized玻片没有严重影响它们的分子和功能的完整性。最近,斯奈德et al。22)已经能够固定≈5800蛋白质Sacharomycescerivisiae显微镜玻片上。这种蛋白质芯片是探索不同磷脂识别几个lipid-binding蛋白质(23- - - - - -25]。作者也用这个蛋白质芯片的识别87种不同的蛋白激酶的底物。使用这个winteraction和转录因子结合微阵列数据集绑定数据,作者能够揭示一些小说在酵母管理模块。

Protein-Detecting微阵列

Protein-detecting微阵列是理想试剂确定这些信息流经这些交互网络(26- - - - - -28),然而,需要测量许多蛋白质的丰度和转录后修饰从复杂生物混合物。最常用的策略之一,准备这种类型的微阵列包括使用单克隆抗体捕获特定蛋白质试剂(29日- - - - - -31日]。

蛋白溶解产物微阵列

抗体微阵列的一个有趣的替代是固定细胞溶解产物,然后使用特定单克隆抗体识别和量化的存在一个特定的分析物在相应的溶解产物(32,33]。这项技术最初被李欧塔和同事监督pro-survival检查点蛋白质作为癌症恶化的函数。同样的方法最近被用于特定疾病诊断生物标记物的发现和验证和患者分层(34,35]。

利用微阵列的蛋白质组学

微阵列蛋白质组学是高度并行、高通量、微型化和自动化的蛋白质组学检测技术(36- - - - - -38]。在基因芯片大小的载体,不同的织物密度探测器蛋白质,蛋白质微阵列,实验测试芯片蛋白质混合物孵化反应,然后标记第二芯片的荧光抗体反应蛋白质复合体(39,40],扫描器读取荧光强度,进一步定量分析混合的结果(41]。蛋白质芯片在蛋白质组研究的作用主要是研究不同显示了蛋白质和蛋白质之间的相互作用。根据一些科学家不同生产方法和应用,蛋白质芯片可以分为两种:一种是蛋白质表达芯片,它将大量的测试与分子(42- - - - - -45](通常为抗体)固定在芯片的表面和微阵列类型的安排,所以在添加样本可以发现这些分子在样例的存在目标;另一个是核心蛋白质功能的46- - - - - -48]。

微阵列的应用蛋白质组学

与DNA /低聚糖微阵列或分析蛋白质微阵列,功能9蛋白质微阵列提供了一个灵活的平台,允许开发和检测多种蛋白质的生化性质。到目前为止,发达的化验包括检测各类protein-ligand相互作用[49),如蛋白质、protein-DNA protein-RNA, protein-lipid, protein-drug和protein-glycan交互50,51]。

生物标志物识别

尽管上述应用程序中最有用的基础研究,功能的蛋白质微阵列对临床诊断和预后可能有巨大的影响。当蛋白质功能的蛋白质微阵列被视为潜在的抗原,可能会或可能不会与一个特定的疾病有关,它成为一个强大的工具在生物标志物识别(52]。

总结

虽然有很多优势和微阵列蛋白质组学的发展。但也有许多的缺点和技术障碍,仍需克服了。随着科技的进步,我们有一个乐观的态度这些困难,微阵列的应用蛋白质组学将成为更广泛的临床和科学研究。

引用

1. 军刀HB和Elloumi m .有效地挖掘基因表达数据通过小说二进制Biclustering算法。蛋白质组学Bioinform。2015; S9: 008。
2. Kitamura N, et al。统计特性和功率分析Cox比例风险模型正规化的生存DNA微阵列基因表达数据的各种处罚。J健康备用。2015;6:180。
3. 意图F, et al .嗜酸性食管炎和Ige过敏儿童:特定的Ige Component-Based-Allergen微阵列。J过敏。2014;5:180。
4. Cimaglia F, et al。新麦胶蛋白捕获剂的研究和发展的一种蛋白质微阵列作为醇溶蛋白检测的一种新方法。蛋白质组学Bioinform。2014; 7:248 - 255。
5. Hanash SM, et al .矿业癌症生物标记物的血浆蛋白质组。大自然。2008;452:571 - 579。
6. Rifai N, et al。蛋白质生物标志物的发现和验证:长和不确定临床路径效用。生物科技Nat》。2006; 24: 971 - 983
7. 索耶斯CL。癌症生物标记的问题。大自然。2008;452:548 - 552。
8. 下巴L和灰色JW。将癌症基因组的见解转化为临床实践。大自然。2008;452:553 - 563。
9. 诺维尔电脑。费城染色体的发现:个人观点。中国投资。2007;117:2033 - 2035。
10. 国王CR, et al。放大小说v-erbB-related基因在人类乳房癌。科学。1985;229:974 - 976。
11. Brodeur通用、et al .放大N-myc的未经处理的人类神经母细胞瘤与先进的疾病阶段。科学。1984;224:1121 - 1124。
12. Carpten JD, et al。改变AKT1突变pleckstrin同源域的癌症。大自然。2007;448:439 - 444。
13. 斯库格J, et al . Glioblastomamicrovesicles运输RNA和蛋白质,促进肿瘤的生长,并提供诊断的生物标志物。Nat细胞杂志。2008;10:1470 - 1476
14. Huixiao H,等。基于SELDI蛋白质组肝后小鼠血清生物标志物的测定对乙酰氨基酚。J蛋白质组学Bioinform 2008; 1: 424 - 436。
15. 舒克拉y Toxicoproteomics标志物的毒物行动的概念。J蛋白质组学Bioinform 2011; 4
16. Narayanan, et al .发现传染性疾病生物标志物在模型小鼠炭疽使用质谱Low-Molecular-Mass血清蛋白质组。J蛋白质组学Bioinform 2009; 2: 408 - 415。
17. El-Haibi CP, et al。抗体微阵列分析信号网络监管Cxcl13和Cxcr5前列腺癌。J蛋白质组学Bioinform 2012; 5: 177 - 184。
18. Sjoberg R, et al。血清微阵列生物传感器蛋白质分析基于反向阶段。J蛋白质组学Bioinform 2012; 5: 185 - 189。
19. Zhag, et al .综合生物信息学辐射诱导途径从蛋白质组学和微阵列数据分析。J蛋白质组学Bioinform 2008; 1: 047 - 060。
20. 陈B, et al。蛋白质微阵列Proteome-wide应用程序。J蛋白质组学Bioinform 2014; S12:001
21. MacBeath G,施赖伯SL(2000)印刷蛋白质微阵列的高通量函数的决心。科学289:1760 - 1763。
22. 哈德逊,Pozdnyakova我,海恩斯K,铁道部G,斯奈德M(2007)鉴定差异表达蛋白在卵巢癌使用高密度蛋白质微阵列。美国ProcNatlAcadSci 104:17494 - 17499。
23. Nicolini C, et al。发表和SNAP-NAPPA微阵列生物标志物识别在人类:背景减法在质谱与E。杆菌细胞自由表达系统。J MolBiomarkDiagn。2015;6:214。
24. Greetham d存在低浓度醋酸改善使用酿酒酵母发酵。J生物处理生物技术。2014;5:192
25. 保罗和Amundson SA。微分主动吸烟对基因表达的影响在男性和女性吸烟者。J Carcinog诱变剂。2014;5:198。
26. Mathivanan美国寻求癌症生物标记:分析突变蛋白质和RNA提供了急需的特异性。蛋白质组学Bioinform。2012; 5: xiii-xvii。
27. 汉姆利塔B等。人类乳腺癌的蛋白质组学分析:新的生物标志物分析技术和临床应用。蛋白质组学Bioinform。2012; 3: 091 - 098。
28. 佐藤英国癌症生物标记发展蛋白质组学。J蛋白质组学Bioinform 2008; 1: 477 - 484
29. 程f .血小分子核糖核酸:小说“组学”卵巢癌早期诊断的生物标志物。蛋白质组学Bioinform。2012; 5: xx-xxi。
30. Holubek WJ, et al。对乙酰氨基酚诱导急性肝衰竭:美国的结果多中心、前瞻性研究。肝脏病学2005;42:1364 - 72。
31. http:// www.fda.gov fdac /功能/ 2003/103_pain.html
32. 知更鸟兆瓦,et al . Immunodetection Cytoplasmatic膜结合Thrombomodulin在Formalin-Fixed人类石蜡包埋组织微阵列。J摩尔麝猫。2014;8:140。
33. 阿齐兹,et al .粘蛋白家族在结直肠癌患者基因表达下调。J CarcinogeneMutagene。2014;S10: 009。
34. 一个图片,et al。统计分析的蛋白质微阵列数据:一个案例研究在1型糖尿病的研究。蛋白质组学Bioinform。2014; S12: 003。
35. 斯利瓦斯塔瓦,et al .个性化Radioproteomics:蛋白质生物标记的识别签名先发制人的救援的琥珀酸生育酚在CD34 +辐照祖细胞与健康的捐赠者的控制。蛋白质组学Bioinform。2015; 08:023。
36. Mishra n在微阵列数据库相关模式挖掘的框架。全球研究计算机科学杂志。2011;2。
37. 黄P, et al .芯片蛋白质组学的发展前景。蛋白质组学Bioinform。2014; S12:002。
38. 规划Y,等。基因表达分析和生物信息学分析兔实验性蛛网膜下腔出血后底动脉。J NeurolNeurophysiol。2014;5:201。
39. Sirdeshmukh r .综合方法研究小鼠胚胎干细胞蛋白质组。联合2环太平洋学报》国际会议在蛋白质科学和4日Asian-Oceania人类蛋白质组组织,凯恩斯——澳大利亚(2008)。
40. 一位D, Loganathan Sathishkumar R(2010)的分子特性和系统发育分析BZIP蛋白质在植物。J蛋白质组学Bioinform 3: 230 - 233。
41. Nahalka J(2011)量化肽键类型的人类蛋白质组表明DNA密码子是如何聚集在生命起源以前的条件。J蛋白质组学Bioinform 4: 153 - 159。
42. Neha年代,Vrat BS, Kumud J, Thakur PD, Rajinder K, et al。(2011)硅片分析比较部分外壳蛋白基因序列的西葫芦黄花叶病毒感染西葫芦(Cucurbitapepo l .)从印度独立。J蛋白质组学Bioinform 4: 068 - 073。
43. Sharma DK, Rawat AK,斯利瓦斯塔瓦年代,斯利瓦斯塔瓦R,库马尔(2010)比较序列分析在不同菌株子型H1N1猪流感病毒的神经氨酸酶和血凝素。J蛋白质组学Bioinform 3: 055 - 060。
44. 萨拉瓦南V(2010)大规模爆破工V1.0 -一个Perl Gui工具大规模爆炸序列和基因预测。J蛋白质组学Bioinform 3: 302 - 304。
45. 穆罕默德,开瑞C(2011)计算方法酶序列的自动分类。J蛋白质组学Bioinform 4: 147 - 152。
46. Kumar年代,Sahu BB,肖Tripathy NK, BP在硅(2009)假定的质子结合位点的鉴定质膜H + atp酶同种型的拟南芥,AHA1。J蛋白质组学Bioinform 2: 349 - 359。
47. Ghosh年代,Ghosh P, Basu K, Das SK, Daefler年代(2011)基于离散事件随机模拟平台在硅片的分子水平研究细胞动力学。生物科技J》生物材料S6: 001。
48. Pyatnitskiy M, Karpova M, Moshkovskii年代,Lisitsa, Archakov(2010)聚类质量光谱峰值增加识别基于svm特征选择的准确性和稳定。J蛋白质组学Bioinform 3: 048 - 054。
49. 吴XL, Gianola D,胡锦涛ZL, Reecy JM(2011)协会和定量特征映射的荟萃分析研究使用参数和非参数模型。J Biomet生物抑制剂S1: 001。
50. Zaman Q, Strasak, Pfeiffer KP(2011)具体等待时间生存函数。J Biomet生物抑制剂2:117。
51. 亚历山德罗,Di Serio C(2009)向量和集成在基因治疗:统计方面的考虑。J ComputSciSystBiol 2: 117 - 123。
52. 平托FR(2009)的概率方法研究酵母的基因调控网络。J ComputSciSystBiol 2: 044 - 050。