MetaNovo:一个开源管道,用于在复杂的元蛋白质数据集中进行概率性类发现

科学领域:

• 微生物学 微生物学
• 蛋白质组学是指蛋白质组学.
• 生物信息学是一种生物信息学.

背景情况:

• 微生物组研究提供了有关疾病,农业和气候变化的代谢相互作用的见解.
• 从RNA和蛋白质表达数据推断微生物蛋白质合成是具有挑战性的,因为相关性差.
• 目前的元蛋白质组分析通常依赖于有限的,基于知识的序列数据库,可能缺少多种蛋白质.

研究的目的:

• 介绍MetaNovo,一种用于元蛋白质组分析的新型计算方法.
• 为了能够直接从质谱数据中准确地识别蛋白质,而无需事先了解样品成分.
• 克服依赖于元基因组或全基因组测序数据的现有方法的局限性.

主要方法:

• MetaNovo 结合了开源工具,用于 de novo 序列标签匹配.
• 它使用了一种新的算法来对UniProt知识库进行概率优化.
• 这可以创建定制的序列数据库,用于蛋白质层面的目标诱搜索.

主要成果:

• 在人体样本上,MetaNovo展示了与现有管道相比较的和蛋白质识别,并加强了非细菌的识别.
• 已知微生物样本的基准测试产生了更多的MS/MS标识预期的种类和改进的分类学表示.
• 该方法在没有预期的情况下识别了实验样本污染物,并突出了基因组测序质量问题.

结论:

• "MetaNovo"可以在直接从联质谱数据的metaproteome样本中同时识别来自所有生命领域的.
• 这种方法绕过了对精选序列数据库的需求,为当前的黄金标准方法提供了更准确的替代方案.
• "MetaNovo"可以识别出意想不到的样本污染物,并揭示以前未被识别的元蛋白质信号.