关于正确使用复制品在数量无标签蛋白质组学中的问题

科学领域:

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

背景情况:

• 无标签量化 (LFQ) 是一种广泛使用的蛋白质组学技术,用于测量蛋白质度变化.
• 数据分析的几个实际方面,包括技术复制和数据过的使用,仍然是争论的主题.
• 不同的LFQ工作流程的标准化基准测试对于可靠的蛋白质量测量至关重要.

研究的目的:

• 评估和比较五个突出的LFQ工作流程在蛋白质组学中的性能.
• 调查技术复制和数据过策略对差异性蛋白质表达分析的影响.
• 评估在LFQ数据处理中匹配之间运行选项的实用性.

主要方法:

• 使用了五种不同的LFQ工作流程:MaxQuant+Perseus,FragPipe+MSstats,Proteome Discoverer,DirectMS1Quant,以及IdentiPy+IQMMA. 这五种工作流:
• 使用了来自三种蛋白质组 (大肠杆菌,酵母菌,人类) 的基准数据集,通过Orbitrap FTMS获得已知的度变化.
• 在工作流和数据处理策略中分析了差异表达蛋白 (DEP) 的数量和定量错误发现率 (FDR).

主要成果:

• 所有经过测试的LFQ工作流程在DEP数量和定量FDR方面都产生了可比的结果.
• 越来越多的技术复制品通常改进了DEP识别或减少了FDR,取决于工作流.
• 删除低识别运行增加了DEP,但提高了FDR,损害了准确性和精度.
• 在大多数情况下,匹配之间的运行选项识别了额外的DEP,但没有显著增加经验FDR.

结论:

• 不同的LFQ工作流在解决实际数据分析问题时表现出不同的行为,即使是简单的基准数据.
• 研究人员应该仔细考虑和测试他们选择的LFQ方法,以适应特定的实验环境.
• 这些发现为优化蛋白质组学研究中的LFQ数据分析策略提供了基础.