- белки играют разные роли: транспортеры, ферменты, якоря: взаимодействуют друг с другом, образуя комплексы
- какой белок находится в клетке как они себя ведут?
- изменения содержания белка
какие белки изменяются в изобилии?
посттрансляционные модификации
- взаимодействие P-P / P-РНК / P-ДНК P-Малая молекула
- обнаружение и проверка биомаркеров / жидкие биопсии: классификационные панели
Изучение протеомов
Обнаружение P с антителами / обнаружение белков без антител
- Масс-спектрометр: 3 основные части 1 Источник ионов: туда, куда мы помещаем молекулу, необходимо зарядить анализатор, где есть магнитное поле для определенного ангела — — электрический код, разделяющий разные объекты с помощью электрического
- протеомика открытия дробовика
- ткани — лизис клеток анализируем пептиды с помощью пищеварения
- Мы не анализируем белок, потому что белок может иметь много положительных зарядов, поэтому он усложнился.
- почему мы используем трипсин: тот, кто гомогенизирует аргинин, заряжает N-терминал C-терминал опирается на ион, поэтому он должен иметь заряд
Жидкостная хроматография: увеличьте количество ацетона для разделения пептидов.
После того, как в MS сканируется масса 3 видов, чтобы зарядить m / z и интенсивность — —> мы можем построить его как 3D со временем удерживания, если нас интересует только один, мы можем извлечь только сигнал, и у нас будет XIC
мы не знаем последовательность .. поэтому нам нужно выявить путем выделения и фрагментации пептидов и в следующем фрагменте цикла и сгенерировать информацию о последовательности
это зависит от данных, потому что если есть сигнал, алгоритм говорит изолировать и фрагментировать его
мы только фрагментируем виды, у которых есть сигналы
- 2D-проекция только с учетом ретенции и m/z
- мы можем присвоить идентификатор идентификатора пептида, несколько раз он фрагментирован, но не может присвоить идентификатор
- Уловка: распространение пептидной идентичности: сравните и найдите сигнал, который мы приблизительно используем, используя координаты, чтобы мы могли завершить как можно больше
на основе площади под кривой мы можем назначить количественную оценку
Идентификация пептидов по спектрам и выводам белков
Фрагментация пептида
break mol, поэтому он разрывается только в одной точке между положением аминокислот, в зависимости от того, какую связь мы можем назвать, например, A1, которую мы теперь можем использовать, поэтому он разрывает только пептидные связи, поэтому мы генерируем
мы получим спектр фрагментации: если мы можем сравнить, разница должна быть последовательностью, использующей дельта-массу, чтобы мы знали последовательность, основанную на массе.
мы можем автоматизировать это с помощью вычислительных алгоритмов
Как мы выводим идентификацию белков?
на основе пептида, какой белок у нас есть? у нас может быть пептид 1, 2, сопоставленный с A как уникальный пептид, или он может быть общим с B, или все пептиды являются общими, поэтому, возможно, один из них является подмножеством другого или, по крайней мере, один существует: иногда не так тривиально сказать, какие данные там
тандем означает, что мы можем делать MS1 и MS2, и это то же самое, что и LC-MS.
Теряем ли мы форму белка и важно ли это для посттрансляционной модификации: да, есть некоторые изобретения, чтобы сохранить эту информацию
мембранные белки гидрофобны и трудно перевариваются, или гистон, в котором много лизина и аргинина, поэтому мы должны его блокировать, чтобы переварить.
Плюсы
- Проще настроить и проанализировать
- Низкий спрос на вычислительные ресурсы
- Дешевле в эксплуатации
- Алгоритмы, зависящие от базы данных, используемые для анализа DDA, как правило, быстрее, чем алгоритмы de novo.
- DDA лучше всего подходит для целевого анализа (когда целевые пептиды находятся в существующей базе данных), поскольку он предлагает более чувствительную количественную оценку, чем DIA.
- Позволяет проводить относительную количественную оценку пептидов между образцами с использованием различных подходов к химической маркировке (например, SILAC или iTRAQ)1–5.
Минусы
- Инструмент MS решает на лету, какие N предшественников являются лучшими, а затем фрагментирует их один за другим. Это вводит уровень предвзятости.
- В результате наборы данных DDA могут содержать «пробелы», когда пептиды были идентифицированы только в некоторых образцах. Несмотря на то, что были введены некоторые настройки, чтобы смягчить это, это остается проблемой.
- Меньшая точность и воспроизводимость, чем у DIA
- Пептиды с низким содержанием представлены недостаточно
Вывод
Это мое личное исследование, если у вас есть какие-либо комментарии, пожалуйста, свяжитесь со мной.
Добро пожаловать на мою среднюю страницу
