通过模糊性对原蛋白进行分类,在古蛋白质学LC-MS/MS基础的分类管道中

科学领域:

• 古蛋白质组学是古蛋白质组学.
• 通过质谱仪 (ZooMS) 的动物园考古学
• 生物信息学是一种生物信息学.

背景情况:

• 液体染色学-质谱学 (LC-MS/MS) 通过提供片碎光谱来增强动物园的物种识别能力.
• 从古老的骨样本中获得的稀少数据限制了传统的标注方法,增加了不确定性.
• 现有的目标诱策略在有限的原蛋白数据下是无效的.

研究的目的:

• 开发一个新的ZooMS/MS数据处理管道,以改善从古老骨头的物种识别.
• 为了应对稀疏数据带来的挑战,并提高标注准确性.
• 为了能够识别分类学混合物和灭绝的种类.

主要方法:

• 开发了一个新的ZooMS/MS数据管道,利用一个手动策划的原蛋白数据库.
• 两种新的算法,isoBLAST和ClassiCOL,被引入用于候选生成和分类学分类.
• isoBLAST通过生成等离子候选人来扩展含糊性;ClassiCOL识别分类混合物和未代表的种群.

主要成果:

• 该管道成功地提高了的注释和分类学特异性,即使具有有限的古代骨数据.
• ClassiCOL证明了识别复杂的分类学混合物的能力,包括受污染的样本.
• 该方法成功识别了现有序列数据库中不存在的种类,包括灭绝的物种.

结论:

• 展示的ZooMS/MS数据管道提供了一个通用的后处理解决方案,用于改善古蛋白质组学中的物种识别.
• 这种方法显著降低了标注中的不确定性,并允许对样品混合物的可靠识别.
• 这种方法具有令人兴奋的应用潜力,例如饮食重建,以古老的海coprolites的分析为例.