结合定量和定性统计分析改善了在无标签的基于亲和关系的蛋白质分析数据中发现佐地亚胺的目标

科学领域:

• 蛋白质组学是指蛋白质组学.
• 神经科学是一个神经科学.
• 药理学 药理学是指药理学的学科.

背景情况:

• 基于亲和性的蛋白质分析 (AfBPP) 识别了小分子的蛋白质标.
• 没有标签的AfBPP可以产生高缺失率的数据,使分析复杂化.
• 二胺的相互作用超出GABA_A受体,但目标尚未完全理解.

研究的目的:

• 开发一个R包,chemoprotR,用于对AfBPP数据进行定量和定性分析.
• 通过使用AfBPP识别特定的大脑蛋白质子类药物的标.
• 评估基于二胺亲和力的探针 (AfBPs) 和用于目标识别的统计分析的实用性.

主要方法:

• 开发了用于化学蛋白质组数据分析的R包chemoprotR.
• 合成了二胺AfBPs并将其应用于大鼠大脑突触体.
• 利用flurazepam的竞争性标签,并分析了存在-缺席数据.

主要成果:

• 鉴定了GABA_A受体子单元和其他离子通道蛋白作为二胺的标.
• 基于弗鲁拉泽帕姆的探针FR-DA产生了比基于弗鲁尼拉泽帕姆的探针更重要的目标.
• 通过使用AfBPs和竞争性约束分析,证明有效的目标识别.

结论:

• chemoprotR促进了对AfBPP数据的可靠分析,包括具有缺失值的具有挑战性的数据集.
• 代胺AfBPs成功地确定了大脑中已知的和潜在的新型蛋白质点.
• 综合统计方法对于解释AfBPP数据和发现药物蛋白相互作用至关重要.