基于数据非依赖采集的无色谱数据处理软件系统

目的如何高效准确地定量蛋白质一直是蛋白质组学的主要关注点,基于液相色谱-数据依赖模式进行谱图采集的质谱方法是目前主流的蛋白质测定方式。但是,当面对复杂样本中蛋白质定量的对比实验,为了使肽段得到有效分离,使用较长时间色谱洗脱的方法占据了谱图生成的大量时间。为了解决此问题,并且能够高效、准确地定性定量肽段,提出一个基于数据非依赖采集(data-independent acquisition,DIA)的无色谱数据处理软件系统。方法基于以肽段为中心的蛋白质定量理念,利用现有解决混合图谱的方法对无色谱DIA质谱数据进行定性,随后仿照DIA方法下色谱面积的计算方法完成定量;最后基于分类模型,对最终结果给出统计分析控制。结果本系统能够处理生成无色谱的DIA质谱数据,并且在12 min内从海拉(Henrietta Lacks,Hela)蛋白质样本中定性定量出1954个肽段。结论使用本系统处理无色谱质谱数据,相比于DIA质谱数据,能够在更短的时间内准确定量出足够的肽段,对于在有限时间内测定大规模蛋白质样本有重要的意义。     

细胞培养稳定同位素标记技术与肿瘤标志分子研究

以质谱为基础的定量蛋白质组学分析技术的发展,大大加快了肿瘤标志分子的研究进程。细胞培养稳定同位素标记技术,已成为目前定量蛋白质组学的主要策略之一,它将不同来源或不同状态的细胞分别培养于含轻/重型稳定同位素标记必需氨基酸的培养基中,经过若干次细胞倍增后,稳定同位素按照序列特异的方式,完全掺入到新合成的蛋白质中。通过比较标记前后同一肽段的质谱峰值变化,可以实现对蛋白质的精确定量。它具有样本需求量少、简单、直接、高效及定量准确等特点,不仅可以定性和定量地分析差异表达蛋白质,而且可以分析蛋白质翻译后修饰和蛋白质相互作用,已逐渐成为研究差异蛋白质组的重要工具之一,在肿瘤分子标志研究中发挥重要作用。     

蛋白质组学在免疫学研究中的应用

蛋白质组学即应用一系列的技术手段,在基因组规模分析蛋白质表达情况,包括蛋白质表达丰度及其翻译后修饰等.正是因为蛋白质组学关注的对象是蛋白质(本质上催化和控制所有生物学过程的分子),蛋白质组学在众多组学分支中显得尤其引人注目.而对于高等动物的免疫系统而言,蛋白质除了发挥执行者的作用外,还具有调节免疫系统,清除病毒或微生物病原体感染,恶性肿瘤细胞的转化等重要功能.因此,蛋白质组学的方法是适于在分子水平进行免疫学研究的理想工具.本综述旨在介绍蛋白质组学在免疫学相关研究中的应用以及对免疫学领域热点问题的推动作用.     

基于液质联用的单细胞蛋白质组学研究进展

蛋白质是细胞功能的主要执行者,由于其无法在体外进行扩增,单细胞蛋白质组学技术相较单细胞基因组学和转录组学技术而言发展相对滞后。传统的蛋白质组学技术可获得大量细胞蛋白表达的平均值,但忽略了细胞亚型及细胞异质性等信息。单细胞水平的蛋白质分析有助于阐明细胞不同表型与异质性的分子基础。随着质谱仪的快速发展,基于质谱的方法将单细胞蛋白质组学推向新的高度。本文综述了近年来基于液质联用方法的单细胞蛋白质组学在单细胞挑选、样品前处理、同位素标签技术、肽段分离、质谱采集、数据分析等方面的研究进展,及其在生物医学研究中的应用,并对未来单细胞蛋白质组学面临的挑战和发展前景进行了展望。单细胞蛋白质组学技术的进步将为生物医学研究领域提供新的思路和解决方案,并加深我们对人类健康和疾病的理解。     

产前应激对抑郁症子代大鼠前额叶皮质蛋白质组学的影响

目的:应用整合组学分析子代大鼠前额叶皮质(PFC)代谢组及磷酸蛋白质组的变化,研究产前应激(PS)导致子代大鼠抑郁样行为的分子机制。方法:SD雌性妊娠大鼠在孕期第14～20 d接受慢性束缚应激。采用糖水偏好实验(SPT)检测出生后30 d(P30)子代大鼠抑郁样行为。分别采用串联质谱标签(TMT)定量蛋白质组学结合磷酸肽富集法和UHPLC-Q-TOFMS非靶向代谢组学对子代大鼠PFC的磷酸化蛋白质组及代谢组进行检测。结果:与对照组相比,抑郁样子代大鼠前额叶皮质有8404个差异修饰肽段和34个差异代谢物的丰度发生显著变化。经KEGG通路注释及富集比较发现,差异修饰肽段和差异代谢物主要参与胰岛素分泌、糖酵解/糖异生、磷酸戊糖代谢、醛固酮合成与分泌、c GMP-PKG信号途径、甲状腺激素合成等生物过程。结论:PS可能主要通过调节子代大鼠PFC中多种生物过程中的相关蛋白磷酸化及代谢物,从而诱导产生抑郁样行为。     

脑脊液蛋白质组学高丰度蛋白去除方法的建立与评价

目的 建立和评价脑脊液蛋白质组学中高丰度蛋白的去除方法.方法 使用Oasis HLB(hydrophilic-lipophilic balance)过滤柱,运用反相固相法,根据蛋白质不同的疏水性分馏脑脊液,去除高丰度蛋白和盐.将含有低丰度蛋白的过滤液冻干,利用双向凝胶电泳(2-DE)分析评价脑脊液蛋白层析去除高丰度蛋白的效果.结果 通过Oasis HLB柱处理可将大部分高丰度蛋白去除.2-DE图谱中低丰度蛋白质分辨率明显增加,点数增多59.86%.结论 本研究建立的脑脊液高丰度蛋白去除方法可有效地应用于疾病的脑脊液蛋白质组学研究.     

脑脊液蛋白质组学高丰度蛋白去除方法的建立与评价

目的建立和评价脑脊液蛋白质组学中高丰度蛋白的去除方法。方法使用Oasis HLB（hydrophilic—lipophilic balance）过滤柱。运用反相固相法，根据蛋白质不同的疏水性分馏脑脊液，去除高丰度蛋白和盐。将含有低丰度蛋白的过滤液冻干，利用双向凝胶电泳（2-DE）分析评价脑脊液蛋白层析去除高丰度蛋白的效果。结果通过Oasis HLB柱处理可将大部分高丰度蛋白去除。2-DE图谱中低丰度蛋白质分辨率明显增加，点数增多59．86％。结论本研究建立的脑脊液高丰度蛋白去除方法可有效地应用于疾病的脑脊液蛋白质组学研究。     

蛋白质数据库对蛋白质组鉴定的影响

在蛋白质组学研究中,通常使用数据库检索算法进行蛋白质的鉴定。使用完整性较高但注释不准确的数据库,可能能够鉴定到更多的蛋白质,但存在数据不准确的风险;使用注释准确但完整性较低的数据库,则有可能漏掉一些数据库中未收录的蛋白。如何兼顾蛋白质鉴定结果的完整性和准确性是一个重要的问题。本研究以人类蛋白质组为例,采用不同质谱仪及不同样品产生的蛋白质组数据,比较了常用的IPI数据库、UniProt数据库和Swiss-Prot数据库的检索结果。结果表明,3个数据库在不同的蛋白质组数据中表现各有优劣,但总体来讲差异很小;每个数据库可鉴定到的、特有的多肽数不超过总数的5%,蛋白数的差异为1%～5%。说明3个数据库都覆盖了常见的人类蛋白序列,完整性很高。因此,推荐采用通过人工注释、在不断更新中的Swiss-Prot数据库作为检索对象。当研究目的为鉴定或定量未收录在Swiss-Prot数据库中的蛋白序列（如一些特殊的蛋白异构体或突变体）时,可将目的序列加入该数据库进行检索,或考虑使用其他完整性更高的数据库。     

一种基于卷积神经网络的DIA数据预处理模型

目的数据非依赖性采集(data independent acquisition,DIA)是目前针对大通量蛋白质组学分析常用的一种数据采集方式。在对DIA数据无目标的分析方式中,由于无法预测肽段出现在DIA数据中的位置,需要对谱中所有的峰进行分析。但谱中含有大量的噪声峰,这些峰会严重影响后续蛋白质定性定量分析的效率与效果,所以在DIA数据的无目标分析过程中先进行预处理以去除噪声峰就成了很重要的一步。为了能充分利用从DIA数据中提取出来的肽段在一级质谱(first stage of mass spectrometry,MS1)和二级质谱(second stage of mass spectrometry,MS2)中的峰信息,提出质谱卷积神经网络(mass spectrometry convolutional neural network,MSCNN)模型。方法不同于传统的方法,本文首先提出适用于MSCNN网络结构的样本提取流程,然后利用MSCNN对样本进行训练和学习,该模型可以最大限度利用肽在MS1和MS2中的特征,最后通过观察模型在测试集中的结果来验证模型的效果。结果和传统算法相比,在保证真峰处理效果大致相同的情况下,MSCNN模型过滤噪声峰的数量提高了约11.2%。结论本文提出的MSCNN模型可以更有效地去除DIA数据中的噪声峰。     

相互作用结构域SH3和WW的蛋白质组学研究

在过去十年的研究中,发现许多蛋白质相互作用是通过相互作用结构域(如SH2,WW,SH3等)与其识别的另一个蛋白质中一段短肽序列的结合完成的,蛋白质相互作用结构域在蛋白质亚细胞定位、信号传导和蛋白复合体的组装等方面发挥重要功能。随着蛋白质组学技术的发展,高通量技术用于结构域结合特性及相互作用网络的研究。本文通过概述SH3和WW结构域的蛋白质组学研究策略的最新进展,总结结构域的几种现有研究策略。