蛋白質組學/蛋白質組學導論/蛋白質組學過程
蛋白質組學作為一門相對較新的科學學科,使用各種新舊方法來實現其目標。蛋白質組學中使用的技術側重於揭示結構和構象,以及測量不同條件下的蛋白質濃度。結構資料可用於根據與具有已知功能的相似蛋白質的比較來確定各種蛋白質的功能。這通常需要龐大的蛋白質構象和功能資料庫,如 PRIDE[1] 和 SwissProt[2]。由於需要進行大量比較和可能存在的匹配,這些比較通常需要複雜的軟體和演算法。PROMPT[3] 等程式用於此目的。蛋白質濃度可以與生物條件進行比較,使研究人員能夠找到特定蛋白質或蛋白質與疾病或生物狀態之間的相關性。

- X射線晶體學[4] 是一種蛋白質結構測定方法,它使用結晶蛋白質和高強度 X射線照射來視覺化分子結構。這組視覺化資料與原子和分子排列進行比較分析,並用於建立蛋白質結構的化學相關模型。[5] X射線晶體學可能非常耗時,因為需要進行晶體生長程式、大量資料以及用於分析的計算需求。但是,成功的視覺化具有高度的準確性,以及易於閱讀和應用。

DNA 的 X射線衍射圖譜。X射線晶體學被用於許多大分子,而不僅僅是蛋白質。 - 核磁共振波譜[6] 或 NMR 是一種技術,它根據化學位移[7] 檢測分子結構中各種原子的原子特性。核之間的磁化轉移也被檢測到,並與化學位移一起用於計算所討論蛋白質的結構。程式可能需要相當長的時間,具體取決於樣本的大小以及與磁場相關的各種其他因素。
- 質譜[8] 和 電泳[9] 應用於蛋白質組學時,都是用於確定蛋白質或蛋白質片段質量的技術。質譜法使用分子的電離和測量質荷比來確定質量。電泳通常使用密度梯度和帶電粒子在電流中產生更直觀的質量對映。蛋白質組學中常用的電泳型別包括 等電聚焦或IEF、二維電泳方法,如 SDS 頁面 和標準水平 凝膠電泳。定向質譜法涉及使用先前知識來包含或排除目標質量範圍,從而在給定複雜蛋白質混合物(如整個蛋白質組)時節省時間。
- 從頭開始是針對一組技術的標籤,這些技術旨在完全基於化學理論和物理理論來預測蛋白質結構,因為它適用於分子及其各個部分。這組特定技術被認為是蛋白質組學的未來目標,但目前缺乏可行的成功。[10]
- 蛋白質印跡[13] 是一種用於跟蹤樣本中蛋白質相對數量的技術。準備工作是在防止降解和分離質量(透過 SDS-頁面)的情況下進行的。蛋白質被轉移到允許透過使用標記抗體進行檢測的膜上。
- 化學微陣列[14],在與蛋白質組學相關時,是玻璃片,蛋白質可以按順序微觀陣列固定在玻璃片上。它們可以用於各種方法,但在蛋白質組學中傾向於用於對生化和蛋白質組學活性的全域性觀察。[15]
蛋白質組學技術發展的一些新進展包括自由流動電泳(一種更高親和力的尺寸分離技術)[16] 和 ProteomeLab 的 PF2D 系統(基於電荷和疏水性分離)[17]。 奈米技術 可能有利於蛋白質組學,一些科學家已經開始生產奈米顆粒作為標記裝置,例如 SERRS[18] 標籤。
蛋白質組學面臨的挑戰
[edit | edit source]問題的規模
[edit | edit source]蛋白質組學面臨的挑戰主要來自於人體中任何給定時間內蛋白質數量的巨大。測量如此龐大的資料集非常困難且耗時。這個問題尤其體現在計算問題上,分析所發現資料的所需時間超出了合理的閾值。[19] 其他問題可能源於不同濃度的蛋白質導致的誤差和檢測問題。更具體地說,某些蛋白質在細胞中以非常低的濃度存在,而更濃的蛋白質可能會掩蓋它們的存在。這通常表現為動態範圍[20] 值。目前方法的解析度不足以視覺化低於一定濃度閾值的這些蛋白質。
問題的複雜性
[edit | edit source]另一個挑戰來自於許多蛋白質的高度複雜性,以及人體中以不同方式相互作用的蛋白質數量之多。 蛋白質翻譯後修飾 可以導致更大的複雜性,不僅體現在蛋白質的結構上,也體現在蛋白質的功能和相互作用上。這帶來了計算挑戰,可能導致一臺普通計算機需要執行數十年才能解決一個蛋白質的問題。雖然分散式計算機和 平行計算 的新方法可以幫助解決這個問題,但事實仍然是蛋白質組學的計算需求是驚人的。另一種稱為定向質譜的方法旨在透過僅針對感興趣的蛋白質來減少質譜分析儀處理的冗餘資訊量,能夠忽略樣品中最強的訊號,僅檢查研究人員定義的那些蛋白質。
問題的創新性
[edit | edit source]蛋白質組學面臨的許多問題的一個來源僅僅是它本身的新穎性。任何較新的領域都缺乏良好的技術基礎、應用方法和訓練有素的研究人員來滿足其需求。蛋白質組學在大型未經整理的資料庫方面存在問題,需要更好地組織、更精簡和更高效的替代方案。[21] 雖然新的儲存和展示資源正在開發中,但其中許多需要改進,特別是在蛋白質研究結果的傳播方面[22]
參考文獻
[edit | edit source]- ^ SwissProt 在 Expasy.org
- ^ Jones, Philip, Côté, Richard G, Martens, Lennart, 等。 "PRIDE:蛋白質組學界蛋白質和肽識別資訊的公共儲存庫". Nucleic Acids Res. 2006 年 1 月。
- ^ Schmidt, Thorsten 和 Frishman, Dmitrij. "PROMPT:一種蛋白質對映和比較工具". BMC Bioinformatics. 2006 年(2006 年 7 月 4 日線上發表)
- ^ 維基百科關於 X 射線晶體學 的文章
- ^ 維基百科關於 X 射線晶體學程式 的文章
- ^ 維基百科關於 NMR 的文章
- ^ 維基百科關於 化學位移 的文章
- ^ 質譜在 ASMS.org
- ^ 電泳還可以用於透過與已知標準的視覺比較來識別蛋白質,並檢測樣品中是否存在某些蛋白質
- ^ 維基百科關於 蛋白質結構的計算預測 的文章
- ^ 維基百科關於 液相色譜 的文章
- ^ 維基百科關於 微流控 的文章
- ^ Western Blot 在 Protocol-online.org
- ^ 維基百科關於 蛋白質微陣列 的文章
- ^ Bertone, Paul 和 Snyder, Michael. "蛋白質組學的前景與挑戰". Plant Physiol. 2005 年 6 月。
- ^ 自由流動電泳 NCBI.gov
- ^ ProteomeLab
- ^ 表面增強共振拉曼散射
- ^ 系統中蛋白質最高濃度和最低濃度之間的差異,或在蛋白質組學範圍內使用某種技術可檢測到的差異。
需要總結的新文章
[edit | edit source]審稿人:Scott M.
主要關注點
[edit | edit source]- 產物離子
- 串聯質譜中第二次分離狀態的離子。(來源: http://en.wikipedia.org/wiki/Tandem_mass_spec)
- 四極杆
- 產生一個帶有相反方向偶極矩的磁場的電荷分佈。(來源: http://encyclopedia2.thefreedictionary.com/Quadropole)
- 碰撞誘導解離
- 離子在氣相中與中性分子發生碰撞,導致離子斷裂。(來源: http://en.wikipedia.org/wiki/Collision-induced_dissociation)
- 碎片離子譜
- 離子斷裂後的離子範圍。(來源: http://en.wikipedia.org/wiki/Collision-induced_dissociation)
- 蛋白質特徵肽
- 肽的一個子序列,最有可能透過質譜法檢測到。(來源: http://cat.inist.fr/?aModele=afficheN&cpsidt=16906256)
- SRM 分析
- 單反應監測 - 每次只允許一個離子透過(與多反應監測 - 每次允許多個離子透過不同)。(來源: http://en.wikipedia.org/wiki/Collision-induced_dissociation)
- 質譜法透過對分子進行充電並使其透過強磁場來進行蛋白質測序。測定它們的質荷比可以確定蛋白質的組成。它還可以用於分析翻譯後修飾和蛋白質組的定量。從生物體或細胞的整個蛋白質組中挑選一種蛋白質可能非常困難。非定向方法涉及從複雜混合物中隨機選擇一個離子進行測序。本文回顧了一種稱為包含列表驅動質譜的定向方法。
- 包含列表驅動質譜需要一個包含從色譜分離中包含的質量範圍的列表。這些列表是從洗脫時間標準生成的,允許特定大小的蛋白質被包含在質譜分析中。然後,目標蛋白質資訊被傳遞到串聯質譜儀 (MS/MS),其中第一個四極杆限制了所需的靶標,第二個四極杆分析該靶標。相反的策略,稱為排除列表驅動質譜,用於阻止特定大小的蛋白質被包含,並允許忽略特定且先前確定的蛋白質。從定向質譜中獲得的資訊可用於比較分析差異表達的蛋白質。它允許對特定蛋白質組中特定蛋白質進行定量。該資訊可用於區分疾病狀態細胞和正常細胞。
- 定向質譜也可以用於確定共翻譯和翻譯後修飾。它用於確定交聯肽對或相似結構的區域,這些區域用於確定相關蛋白質。類似的策略可用於確定多個磷酸化狀態變化。
- 隨著越來越多的資訊被獲得,質譜法中的所有工作將繼續改進。已知序列列表和質荷比資料庫將允許對未來樣本進行快速簡便的分析。它還將使包含列表變得更小,而排除列表變得更大。這將使分析師能夠快速區分給定狀態下細胞中缺少或額外的蛋白質,從而更快、更準確地確定疾病狀態。所有這些工作有望導致假設驅動的質譜法,其中可以提前制定關於細胞狀態的理論,然後質譜法僅僅成為證明該假設的手段。
- 本文深入描述了質譜法的當前方法。它討論了實驗室中用於研究整個蛋白質組的蛋白質的技術和過程。提供了有關這些技術起源、為什麼需要修改這些技術以及這些技術最終希望在未來實現的目標的資訊。這些資訊對蛋白質組學領域很重要,因為質譜法是該領域中最重要的工具之一,本文描述了該方法是如何隨著越來越多的資料產生而不斷適應的。

