大家好,感谢大家多年以来的陪伴。在此,小编祝大家新年快乐,虎年大吉。今天为大家总结一下2021年期间王初课题组公众号推送的生物信息学(主要为非机器学习)相关的文献。
Outline:
1. 质谱谱图的直接数据处理;
2. 质谱谱图解析与肽段测序。
1. 质谱谱图直接数据处理
质谱谱图是支持蛋白质组学发现的最终证据,如果能够追踪发表论文中重要结论的相关谱图将会非常有帮助。【Nat. Methods | 质谱通用谱图标识】一文中发展了通用谱图标识(USI),提供了一种标准机制,用于编码任意保存在公开蛋白质组数据库中质谱谱图的虚拟路径。USI使得谱图数据更加透明,目前在ProteomeXchange库中已经有30亿的谱图对应10亿USI鉴定标识可以被访问。
获取更“纯净”的谱图可提高谱图解析的正确度,除实验方面的改进外,也可通过计算的方法识别并除去干扰部分。质谱数据采集时,因isolation window会引入其它肽段离子一起碎裂形成混合谱,加大二级谱的复杂程度,影响搜库等匹配过程。【Nat. Methods | 代谢组谱图解卷积新方法】一文中作者开发了DecoID这种代谢组二级谱图解卷积的方法,可除去二级谱中其它碎片离子的干扰,使谱图更“纯净”,并对于DDA和DIA的数据都能够实现高可信的处理,提升鉴定效率。
2. 质谱谱图解析与肽段测序
糖肽包含糖链及肽段两个部分,对其完整序列的解析仍是一个难点。目前常见的搜索糖肽的引擎主要先解析肽段的序列,并将糖视为一个可变修饰,糖层面的解析质量不是一个关键。但例如pGlyco的算法则先确定糖的部分,在移除不可靠的糖链后解析肽段部分。【Nat. Methods | pGlyco3实现准确快速的糖肽及修饰位点分析】一文中在上述基础上开发了pGlyco3,结合ETxxD的信息可位点特异地识别糖修饰位点,并支持带修饰的糖链的解析。【Nat. Methods | 糖蛋白质组学鉴定工具评测】一文中也详细比较了糖蛋白质组学的数据分析软件在不同糖型上的表现。
以上,为王初课题组分享的文献中有关生物信息学的内容,欢迎大家交流与学习。
本文作者:JGG
联系客服