通过使用不同的染色学方法和生物信息管道优化蛋白质识别
Jesus D Castaño1,2, Francis Beaudry1,2
1Département de Biomédecine Vétérinaire, Faculté de Médecine Vétérinaire, Université de Montréal, Saint-Hyacinthe, Québec, Canada.
Rapid communications in mass spectrometry : RCM
|November 4, 2024
概括
优化蛋白质组工作流程显著提高了蛋白质识别率. 较长的染色体列和特定的数据采集策略,再加上重定值方法,是最大限度地提高蛋白质组覆盖率的关键.
科学领域:
- 蛋白质组学是指蛋白质组学.
- 分析化学 分析化学
- 生物化学 生化学
背景情况:
- 选择最佳的蛋白质组工作流程是一项挑战.
- 这项研究指导用户优化工作流程,以提高蛋白质识别.
研究的目的:
- 评估染色分离,数据采集和生物信息学对蛋白质识别的影响.
- 为建立有效的蛋白质组工作流提供参考.
主要方法:
- 分析了使用不同C18列长度 (15和50厘米) 的HeLa蛋白消化.
- 雇佣了前12名数据依赖采集 (DDA),前20名DDA和数据独立采集 (DIA).
- 利用多种搜索引擎,rescoring方法和多引擎搜索进行数据分析.
主要成果:
- 较长的列和顶部N DDA方法显著增加了蛋白质识别.
- 恢复方法比多个搜索引擎更有效.
- 数据独立获取 (DIA) 显示出前景,特别是在没有库的方法中,但性能受到先前的数据依赖获取 (DDA) 数据的影响.
结论:
- 染色体学,数据采集和生物信息学方面的实验选择对蛋白质组覆盖有着重大影响.
- 优化的工作流可以实现400%以上的蛋白质识别增加.
- 这项研究为设计成功的蛋白质组策略提供了一个框架.
更多相关视频
10:37Deep Proteome Profiling by Isobaric Labeling, Extensive Liquid Chromatography, Mass Spectrometry, and Software-assisted Quantification
Published on: November 15, 2017
11.9K
07:38Mass Spectrometry-Based Proteomics Analyses Using the OpenProt Database to Unveil Novel Proteins Translated from Non-Canonical Open Reading Frames
Published on: April 11, 2019
12.7K
