蛋白质组学的5个主要挑战,正如专家所说
《蛋白质组学的进化》系列采访了蛋白质组学研究领域的专家。近年来,由于质谱(MS)和生物信息学工具等高度复杂的技术平台的发展,该领域取得了重大进展。
当然,当一个科学领域在如此短的时间内迅速发展时,它必须克服挑战,以防止该领域达到“停滞不前”的状态。我们询问了每一位专家,在他们看来,蛋白质组学目前存在的最大挑战是什么,我们如何去克服它们?以下是他们发现的五个主要挑战:
1.推动高通量和商业化
“该领域正在发生的一个趋势是,人们试图想出更高效、更高产量的方法。资助机构的抱怨之一是,你可以非常快速地测序数千个基因组,但你不能在蛋白质组学中做到这一点。有一种试图增加蛋白质组学吞吐量的努力,这样我们就能与基因组学更加兼容。在我看来,真正令人兴奋的事情之一是蛋白质组学向单细胞的转变。人们终于在生物相关细胞方面取得了进展,而不仅仅是那些充满少量蛋白质的细胞,如红细胞。这将是一个很大的面积。
我们在MS领域所依赖的一件事是仪器制造商不断推进技术。MS的一些非常基本的基础研究是在学术界进行的,但真正为了使这项技术有用,它必须商业化,并通过商业化给仪器带来的质量控制和标准来改进。当你参加ASMS时,看到制造商将推出什么仪器或技术总是令人兴奋的。”
-约翰·耶茨教授
2.精通技术要求高的领域
“长期以来,基于质谱的蛋白质组学分析在各个层面上都有很高的技术要求,包括样品处理、分离科学、质谱和有关肽和蛋白质序列、丰度和修饰状态的光谱分析以及错误发现率(FDR)的考虑。我认为我们正处于或接近令人兴奋的状态,这些挑战即使没有完全解决,也已经相当好地解决了。当我们到达那里,我们将能够更强烈地专注于创造有趣的新的生物学或临床研究问题和实验设计,并解决上面讨论的高度吸引人的问题,我们如何从现有数据中最好地产生新的生物学知识。就我个人而言,我相信,如果我们在大量重复中生成高质量、高可重复性的数据,我们将在这方面取得最大的成功。目前看来,蛋白质组学基本上已经达到了这一目标。”
- Ruedi Aebersold教授
“长期以来,基于质谱的蛋白质组学分析在各个层面上都有很高的技术要求,包括样品处理、分离科学、质谱和有关肽和蛋白质序列、丰度和修饰状态的光谱分析以及错误发现率(FDR)的考虑。我认为我们正处于或接近令人兴奋的状态,这些挑战即使没有完全解决,也已经相当好地解决了。当我们到达那里,我们将能够更强烈地专注于创造有趣的新的生物学或临床研究问题和实验设计,并解决上面讨论的高度吸引人的问题,我们如何从现有数据中最好地产生新的生物学知识。就我个人而言,我相信,如果我们在大量重复中生成高质量、高可重复性的数据,我们将在这方面取得最大的成功。目前看来,蛋白质组学基本上已经达到了这一目标。”
- Ruedi Aebersold教授
3.寻找一个“登月计划”
该领域本身还没有确定或抓住一个具体的“登月”项目。例如,将不会有与人类基因组计划相对应的项目,蛋白质组学领域就是没有。“人类蛋白质组”是一个不断波动的信息档案。每种细胞类型都有自己独特的蛋白质组,这取决于细胞的功能,也取决于你在什么时间测量细胞的蛋白质含量。像人类基因组计划这样的项目为基因组学吸引了大量的公关和资金投资,因此蛋白质组学将没有一个类似的‘登月’项目,这是一个遗憾。”
- Emanuel Petricoin教授
该领域本身还没有确定或抓住一个具体的“登月”项目。例如,将不会有与人类基因组计划相对应的项目,蛋白质组学领域就是没有。“人类蛋白质组”是一个不断波动的信息档案。每种细胞类型都有自己独特的蛋白质组,这取决于细胞的功能,也取决于你在什么时间测量细胞的蛋白质含量。像人类基因组计划这样的项目为基因组学吸引了大量的公关和资金投资,因此蛋白质组学将没有一个类似的‘登月’项目,这是一个遗憾。”
- Emanuel Petricoin教授
4.民主化女士
“随着微软从20世纪80年代和90年代的家庭手工业发展到21世纪10年代的航空等现代产业,每一个新的发展都需要越来越大的研发团队,以适应仪器日益增加的复杂性和软件从固件到应用程序的各个层面的重要性。所有这些都延长了每项创新的周期,也迫使我们专注于解决科学界最紧迫需求的解决方案。
与此同时,MS的日益民主化带来了对工具的新要求,例如更强的健壮性和易用性,这需要与性能的某些方面相平衡。”
——亚历山大·马卡罗夫教授
——亚历山大·马卡罗夫教授
5.
处理稀疏数据
“主要的两个挑战是数据非常稀疏,我们在测量低丰度蛋白质时遇到了麻烦。所以,每次我们进行测量时,我们对蛋白质组或磷蛋白质组的不同部分进行采样,我们通常会遗漏低丰度的参与者,这些参与者通常是最重要的,比如转录因子。
“主要的两个挑战是数据非常稀疏,我们在测量低丰度蛋白质时遇到了麻烦。所以,每次我们进行测量时,我们对蛋白质组或磷蛋白质组的不同部分进行采样,我们通常会遗漏低丰度的参与者,这些参与者通常是最重要的,比如转录因子。
在我的团队中,缓解这个问题的一种方法是将识别的肽映射到蛋白质相互作用网络上,并在这个网络上扩散信号。这减少了来自虚假识别蛋白质的噪声,并增强了功能信号。它还允许我们观察网络中由不同数据集突出显示的区域,并比较和研究这些区域,而不是试图比较彼此之间的稀疏数据集。
然而,随着世界各地许多公司和团体开发的MS技术的进步,包括哥本哈根大学的Mann小组,Aebersold和其他新兴技术,这些技术承诺允许'测序'蛋白质组,类似于Marcotte小组及其同事开发的基因组,我预计这些问题不会太久。”
——Evangelia Petsalaki博士
——Evangelia Petsalaki博士
广告