一个自动化工作流程来解决蛋白质组复杂性和蛋白质组学和HLA-I免疫组学中的大搜索空间问题

科学领域:

• 蛋白质基因组学是什么
• 质谱测量质量谱测量
• 免疫类药物 免疫类药物

背景情况:

• 精确的蛋白质基因组搜索空间对于通过质谱学发现新型蛋白质和抗原至关重要.
• 这些搜索空间的尺寸和特征,特别是非正规的尺寸和特征,没有很好地定义,这会影响识别的敏感性.

研究的目的:

• 开发一种自动化工作流程,用于创建和完善基于质谱的蛋白质基因组发现的序列搜索空间.
• 描述RNA测序,翻译后修改和非正典起源对搜索空间大小和鉴定的影响.

主要方法:

• 开发了一个自动化工作流程,集成Sequoia用于RNA信息搜索空间生成和SPIsnake用于预先过.
• 应用工作流来分析三性和非特异性类搜索空间,包括RNA表达和翻译后修改的影响.
• 评估了HLA-I免疫组的工作流的性能,以评估鉴定灵敏度.

主要成果:

• 用RNA表达数据量化了各种序列搜索空间的确切大小及其缩小.
• 演示了后翻译修改如何膨胀搜索空间,并分析了序多映射频率.
• 使用开发的工作流程,在HLA-I免疫体上展示了提高的体识别灵敏度.

结论:

• 红杉和SPIsnake的工作流允许对蛋白质基因组搜索空间进行强有力的表征,这对于大规模发现至关重要.
• 这种方法解决了数据库大小膨胀和/蛋白质识别模糊性所带来的挑战.
• 促进开发改进的方法,以发现新的治疗点和理解抗原呈现.