文献阅读:从数百次试验条件获得的LC/MS/MS数据中获得蛋白质定量信息
上一篇 /
下一篇 2010-02-01 19:56:08/ 个人分类:文献阅读
从数百次试验条件获得的LC/MS/MS数据中获得
蛋白质定量信息
分析测试百科网
nqD-`A;H7raj!UaZia Khan, Joshua S. Bloom, Benjamin A. Garcia, Mona Singh, and Leonid Kruglyak
s+S1@
C(Wr+l? Z(_0PNAS, 2009, 106 15544–15548
分析测试百科网3NS DzZ:gZ~)U在三、四年前谈到定量蛋白质组学研究,大家会不假思索的列出很多方法,从最初的2D gel, 到各种
化学标记方法和代谢标记方法,对基于label-free的方法研究只是零星的出现在Anal Chem等杂志上。大概在两年前,关于非标记定量的文章开始多起来,最近Label-free 定量策略越来越受到蛋白质组学研究人员的重视。值得一提的是刚刚发表的人类肝脏蛋白质组数据中也大篇幅的应用了label-free的算法。现在,国外研究者已经提出了很多算法和策略,遗憾的是在我国还没有研究者提出具有完全自主的label-free策略的算法,大部分都还是跟踪和改进国外同行的算法,这不能不说是相当遗憾的一件事情。来自普林斯顿大学的Zia Khan及其合作者在PNAS上发表了他们关于从大量
质谱试验数据中获取蛋白质定量信息的方法。
q4s6Z"e%z4@&MZ)N0从大规模的试验数据(如数百次的LC/MS/MS数据)中获取蛋白质的定量信息(丰度信息)是很罕见的。相反,在转录本的丰度研究中却经常从数百计的试验和重复中获取信息。这种状况的存在,部分原因是因为从大量蛋白质组数据中提取定量资料要比从微阵列芯片中读取
基因表达信息要困难的多。为了解决从大量重复质谱数据中提取定量信息困难得问题,普林斯顿大学的研究人员提出了两种算法来处理蛋白质组数据。第一,他们用空间-分割数据结构来处理大规模的数据。第二,在从打规模试验数据中收集蛋白质相对丰度的过程中,他们引进了所谓图像理论算法结合空间-分割数据结构的
技术。作者用数个数据集验证了他们的算法(近472个LC/MS/MS试验数据),包括定量蛋白质丰度信息及定量信息的精确度都要优于前人报道的结果。
@/wGKo0
导入论坛收藏
分享给好友
推荐到圈子
管理
举报
TAG: