我们已经更新我们的隐私政策使它更加清晰我们如何使用您的个人资料。

我们使用cookie来提供更好的体验。你可以阅读我们的饼干的政策在这里。

广告

蛋白质组学的发展


希望这篇文章的一个免费的PDF版本吗?

完成下面的表格,我们将电子邮件您的PDF版本“蛋白质组学的进步”

听与
喋喋不休地说
0:00
注册免费听这篇文章
谢谢你!听这篇文章使用上面的球员。
阅读时间:

蛋白质组学-蛋白质组的研究是一个不断发展的领域。它提供了一个全球的分子过程的理解巩固在细胞生理状态,组织和整个生物体。科学研究的各个领域,包括人类,动物和植物生物学,个性化医学和法医,正受益于快速进步,这很大程度上归因于蛋白质组学技术的进步,数据处理能力和数据共享。在本文中,我们将探讨一些蛋白质组学的最新进展及其潜在的更广泛的影响。

关键技术发展

质谱蛋白质组学

一个各种分析技术采用蛋白质组学研究可以大致归类为低收入和高吞吐量。几十年来,质谱(MS)一直使用最广泛的“黄金标准”为高通量分析技术。无数MS-based蛋白质组工作流程,具有独特的组合样品制备技术,质量分析软件和数据管道,现在存在。从历史上看,一个MS-based蛋白质组学已成为面临的关键问题仪器的灵敏度和特异性


改变了女士的景观,相当显著,近年来;厂商已经推出了仪表与速度,女士以前闻所未闻的敏感性和特异性功能。“我们看到一个巨大的跳跃在女士的敏感性仪器和先进的液相色谱的耦合与女士(质)。不久前,蛋白质组学的研究只能描述几百最丰富的蛋白质,今天我们可以看到成千上万的蛋白质相对快速实验,”说哈维·约翰斯顿博士博士后研究员拉胡尔Samant集团Babraham研究所,英国剑桥。最后,科学家现在可以深入挖掘蛋白质组比以往任何时候都要多。


马蒂亚斯•曼教授在蛋白质组学研究主管和组长在诺和诺德项目基础蛋白质研究中心主任大生物化学研究所的慕尼黑和世界上最高度引用的科学家之一。当被要求确定一个特定的蛋白质组学女士突破,曼恩说,绝对的走向数据独立收购(DIA)首创的Aebersold实验室。”他的思想也得到了约翰斯顿的回应,他选择DIA -也称为序列窗口收购所有理论质谱(SWATH-MS)——在他的进步已经显著列表字段。


不像它的姐妹——技术数据依赖分析(DDA)—DIA片段所有前体离子生成在第一周期的串联女士(MS1)在第二周期(一份),提供一个客观的分析,更大的蛋白质组和覆盖率更高的再现性。使用DIA-based女士在蛋白质组学的研究中,特别是在肿瘤领域,近年来持续增长。2019年,42个已发表的研究集中在几个不同的癌症类型,利用各种生物材料采用DIA-MS蛋白质组学分析。在神经科学蛋白质组学DIA也是波澜,它已经收到了表扬为揭示小说阿尔茨海默病的相关信息。


方法来加速DIA-based女士不断探索——被称为“超高速”蛋白质组学——最近的一项研究证实43和确定11小说血浆蛋白质组生物标记显示COVID-19严重性。根据约翰斯顿,DIA-MS帮助蛋白质组学在寻求达成一项严格的标准化的状态:“发送一个相同的样品到多个蛋白质组学实验室和你会得到完全不同的结果,由于多个工作流,工具、分析工具和设置,等等。然而,这是与现代方法改善,尤其是DIA。”

磷酸化肽翻译修饰网站本地化和异构体分化

翻译修饰(铝)网站本地化和量化的碰撞诱导解离此处则MS / MS可以挑战,和phospho-peptides展览部分中性磷集团的损失。下载这个程序注意学习电子激活离解碎片显示有前途的表现不稳定天车的健壮和准确的量化。

视图应用笔记

Aptamer-based蛋白质组学及以后

而女士多年来一直占据着蛋白质组学研究空间,出现了“第二代”蛋白质组学平台最近利用aptamer-based技术,而不是抗体。讨论这些技术,本杰明博士Orsburn约翰霍普金斯大学医学院的研究员对蛋白质组学”,尽管质已经垄断了几十年,这显然是不再如此。”


寡核苷酸适配子很短,单链(ss) DNA分子能够形成独特的确认,让他们结合选择性生物目标,如蛋白质。技术提供了有利的特异性和选择性等领域生物标志物的发现,蛋白质组学是有限的女士的动态范围。“这是典型的最大挑战生物标志物女士发现,血液中许多潜在生物标志物可以远低于一万亿白蛋白的浓度,”Johnston说。“女士会和分析每一点的干草,看看有一根针,抗体或寡核苷酸适配子的使用,另一方面,可以表现得像一个磁体,“如果没有有效的方法,白蛋白和其他高度丰富的蛋白质压倒MS分析。


最近的研究利用aptamer-based蛋白质组学例子包括蛋白质的鉴定签名的纤维化(肝脏瘢痕)非酒精脂肪肝(NAFLD),最大的原因引起的肝脏疾病在全球范围内。科里等人进行了多元分析在减肥和非酒精性脂肪肝组识别一个eight-protein小组,杰出非酒精性脂肪肝的不同阶段


Aptamer-based蛋白质组学中使用研究著名的弗雷明汉心脏研究的1895名女性参与者识别生物标志物的心衰心脏重构和事件。十七个蛋白被发现与超声心动图特征,和六个蛋白质与事件有关心脏衰竭。进一步分析利用数据进一步支持这些发现基因变异。


“适体的使用技术似乎是绝对的蛋白质拷贝数减少偏见的细胞比质技术,”Orsburn。然而,直到面板利用能够识别更高比例的蛋白质组、蛋白质组学女士可能仍是首选的方法,与aptamer-based技术应用作为一种补充方法。一个最近提议的蛋白质测序平台采用编码DNA寡核苷酸适配子识别终端氨基酸的多肽,附加到新一代测序芯片,可能提供一个妥协。“这需要时间的全部潜力意识到,“然而,约翰斯顿说。

对抗COVID-19

对抗COVID-19仅始于一个测试来确定谁是被感染的,谁不是。加速一个有效的回应,我们必须超越最初诊断预后:下载这个白皮书等学习问题的答案在患严重疾病的风险,是否有更好的方法来查找和测试候选药物和/或疫苗的长期影响是什么。

视图白皮书

人工智能“促进”蛋白质组学

可以说是最大的进步之一近年来蛋白质组学已经成为“促进”提供的人工智能(AI)的方法。机器学习、深入学习和其他人工智能方法被应用于蛋白质组学分析的不同阶段管道

人工智能和药物发现蛋白质组学

人工智能(AI)蛋白质组学的应用已经重塑药物发现景观。知道如何以及为什么特定的蛋白质相互作用推进细胞生物学势在必行,开发新的药物和确定如何药物可能会引起疗效和不良反应。然而,这并不容易。“了解蛋白质附着在彼此互动,人类或电脑必须尝试所有可能的附件组合为了找到最合理的一个[…]这是一个非常耗时的过程,”说Octavian-Eugen Ganea*、计算机科学与人工智能实验室的博士后研究员(权力),麻省理工学院(MIT)。


进一步复杂性出现当研究人员希望捕获之前身份不明的交互可以存在在大量的蛋白质——就像人类蛋白质组。Ganea把这比作拼凑一个大型3 d拼图。基于ai的方法——尤其是深度学习——提供了一个解决方案。他们可以加速3 d拼图拼凑到一起的过程中,这是Ganea的研究的重点。


深度学习是什么?

机器学习的一个子集,深度学习包括神经网络模拟大脑的行为。这些神经网络能够“学习”从大量数据。


几个商业化蛋白质对接方法存在,但他们依赖候选人抽样,预先计算网格模板和特定于任务的特性——所有这些都会增加计算时间。Ganea和他的同事们最近麻省理工学院发表一个新的深度学习模型——EquiDock——以两种蛋白质的三维结构和直接识别领域可能会相互作用。EquiDock学会捕获复杂的对接模式从一个大组~ 41000蛋白质结构,使用几何约束模型与成千上万的动态参数,并自动调整,直到他们解决的任务。一旦训练,模型相对于其他四个现有的对接软件。这是能够预测最终的蛋白质复合体的5秒;速度80 - 500倍的速度比现有的软件。


“快速计算扫描的药物副作用是一个示例应用程序中,“Ganea说。“这是需要以显著降低天文搜索空间,否则所有我们目前的实验能力是不可行的(甚至全球聚合)。“EquiDock与其他蛋白质结构预测模型相结合,他强调,将进一步援助药物设计、蛋白质工程、抗体的生成和作用机理的研究,在其他应用程序中。Ganea说,这是一个令人兴奋的前景,和一个“关键需要”在寻找更好的治疗疾病。

优化MS-based蛋白质组学

基于AI的方法也从他们的数据帮助研究人员获得更多的见解:“人工智能是革新我们所能得到的数据,”曼恩说。


女士实验所需的数据库搜索或光谱库匹配识别蛋白质。这个礼物的机会不正确认识某些蛋白质或错过了和耗时。对迪亚女士,这是一个特殊的障碍依靠光谱库生成通过谈判分析。各种各样的深度学习的方法现在已经证实有能力预测光谱和肽属性。的例子包括(但不限于)恭喜,DeepMass而最近DeepDIA。预期,预测光谱库-能够优化DIA方法将蛋白质组学领域的方向方法

人工智能在非ms蛋白质组学中的应用

MS-based以外的方法,人工智能在分析蛋白质的编排动作,研究空间积分理解病理特点是纠结的,聚集成团蛋白质,阿尔茨海默病。显微镜和福斯特共振能量转移(FRET)——关键方法采用这个空间,产生大型数据集,需要时间和专业知识来分析。为了克服这个数据的跋涉,诺和诺德基金会蛋白质研究中心的研究人员,由教授Nikos Hatzakis最近创建的DeepFRET。DeepFRET是一种机器学习算法,识别蛋白运动模式,在几秒内分类的数据集,而几天的工作通常是必需的。


人工智能的未来在组织蛋白质组学需要同步的标准,AI平台必须维护,数据报告和共享。官方建议,比如最近出版的数据、优化模型、评估(顶)建议进行机器学习和报告在蛋白质组学和代谢组学,可能会帮助塑造未来。

更广泛的应用

有更广泛的应用蛋白质组学也受益于前面所讨论的技术进步,比如法医学。“基因革命”发生在20世纪的后半部分大大改变了。现在,蛋白质组学可能产生相似的影响帕克·格兰登博士兼职副教授,美国加州大学戴维斯分校环境毒理学和人类识别蛋白质的发明者说,总体而言,当前蛋白质组学对法医学的影响是有限的,由于技术、法律、金融和文化因素。然而,“有一个基本的驱动采用在刑事调查和起诉,将新方法。蛋白质组学具有内在的优点:比DNA、蛋白质更稳定和DNA一样,可以包含标识信息,”他补充道。


在核酸已经退化的情况下,蛋白质组学可以用来确定体液,性别,民族,估计死亡时间大约使用肌肉,骨骼和分解液体样品


帕克强调,实现一直是一个挑战,“将来蛋白质组学有潜力显著改变证据处理和分析。然而,在短期内的DNA-centric方面领域确保蛋白质组学将用于DNA的领域努力提供清晰、容易站得住脚的答案。”

挑战和未来的角度

民主化蛋白质组学

可以说是面临的最大的限制蛋白质组学领域其错综复杂。蛋白质组学工作流组成复杂的技术和软件,需要熟练的操作人员。而令人难以置信的增长在灵敏度和速度发展的研究中,他们付出了代价。“女士deep-coverage,严格执行实验,特别是在复杂生物样品女士需要大量时间,”Johnston说。“所以,有不断地权衡成本、覆盖和样本数量。”


这是一个问题,限制了蛋白质组学的更广泛的应用。讨论法医学具体来说,帕克说,“最终,这些因素将限制创新一般,和有前途的新兴技术,包括蛋白质组学、未充分利用。”


在过去的十年里,呼吁“民主化”蛋白质组学增加了。出现了一系列措施来提高可访问性和可持续性。一个例子是欧洲蛋白质组学基础设施财团提供(EPIC-XS)财团。主动团结欧洲一些主要的实验室和科学家一起池各种技术,专业知识和数据共享。


资源并不是局限于MS-based蛋白质组学。专业知识也提供的k细胞分析设施访问网站在基于抗体的成像。阿森纳的技术保证了EPIC-XS平台设备齐全,从用户考虑应用程序在不同的蛋白质组学领域,”O 'Flaherty玛蒂娜说,乌特勒支大学的项目经理。

诊所的道路

建立在蛋白质组学作为一个支柱在诊所,有几个挑战克服取决于特定的临床蛋白质组学个子应用程序正在讨论


“MS-based蛋白质组学需要变得更加健壮和可访问,尤其是如果它是受雇于诊所规模,”曼恩说。“一些团体已经转向高流动色谱系统来实现这一目标,但这不是理想,因为遭受的敏感性。“虽然分析技术功能深入挖掘蛋白质组的增加,生成的数据量也增加,引入一个额外的瓶颈为临床蛋白质组学数据处理的形式,制定生物和临床假说从这样的大型数据集。


此外,对人类健康和疾病的整体理解,蛋白质组学数据通常必须结合其他“组学”同行,代谢组学、基因组学和转录组。


道德的考虑也必须被认为是蛋白质组学边向诊所。蛋白质组分析可以提供信息之外的煽动的原始诊断查询测试。临床医生如何处理这些数据?而能从中学习到的实现临床基因组学,田野是截然不同的,这必须承认发展的监管框架和指导方针,专家强调


尽管目前的局限性,曼认为,未来的字段看起来明亮:“我预见继续走向临床应用女士固有的特异性检测是非常宝贵的,”他总结道。


*188金宝搏备用技术网络深感悲痛博士的学习Octavian-Eugen Ganea最近的传递。我们要感谢他的令人难以置信的对科学界的贡献和奉献来计算生物学领域。我们的思想被他的损失与影响。

满足作者
莫莉坎贝尔
莫莉坎贝尔
高级科学作家
广告
Baidu