无图书馆的多重复合向蛋白质组学使蛋白质水平的定量基因定型成为可能
Steven R Shuken1, Steven P Gygi1
1Department of Cell Biology, Harvard Medical School, 240 Longwood Ave, Boston, MA 02115, USA.
bioRxiv : the preprint server for biology
|September 26, 2025
概括
通过使用预测的光谱和保留时间,GoDig-LiF简化了目标蛋白质组学,消除了对数据库的需求. 这种方法可以有效量化目标蛋白质,包括癌症细胞系中突变蛋白质.
科学领域:
- 蛋白质组学是指蛋白质组学.
- 质谱测量质量谱测量
- 癌症研究 癌症研究
背景情况:
- 针对性质谱对于蛋白质定量定量至关重要,但通常依赖于复杂的先决条件,如合成或数据库.
- 现有的方法可能资源密集,并限制蛋白质组研究的范围.
研究的目的:
- 为了介绍GoDig-LiF,一种新的向蛋白质组学方法.
- 通过使用预测的光谱和保留时间数据来实现蛋白质量化,绕过传统数据库的需求.
主要方法:
- GoDig-LiF使用Prosit-TMT模型来预测光谱和保留时间.
- 这种方法只需要一个标有双重质量标签 (TMT) 的样本,一个目标列表和一个质谱仪.
- 在癌症细胞系中量化突变蛋白的应用,包括KRAS G13D.
主要成果:
- 在不依赖实验数据库的情况下,GoDig-LiF成功量化了目标蛋白质.
- 在识别和量化与癌症相关的突变蛋白的证明有效性.
结论:
- GoDig-LiF提供了一种简化和高效的针对性蛋白质组学方法.
- 这种方法减少了实验的复杂性,并扩大了质谱法用于蛋白质量化的应用,特别是在癌症研究中.
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
12.6K
07:08A High Throughput, Multiplexed and Targeted Proteomic CSF Assay to Quantify Neurodegenerative Biomarkers and Apolipoprotein E Isoforms Status
Published on: October 20, 2016
8.2K
