蛋白質(zhì)組表達(dá)譜基本生物信息學(xué)研究及全蛋白質(zhì)組等電點分布研究.pdf

1、人類基因組研究為我們提供了人類基因組圖譜，但基因組圖譜所能提供的基因組內(nèi)蘊(yùn)含的功能信息非常有限。為了系統(tǒng)闡釋其編碼基因的功能，以及其間的相互關(guān)系等，蛋白質(zhì)組研究日益受到關(guān)注。 蛋白質(zhì)組研究最根本的目標(biāo)是建立生物體組織或器官的蛋白質(zhì)組表達(dá)譜，以及隨后系統(tǒng)地闡明表達(dá)譜的生物學(xué)意義。至今，蛋白質(zhì)組的多種鑒定儀器已經(jīng)能以較高的通量進(jìn)行蛋白質(zhì)鑒定，這些技術(shù)為大規(guī)模的蛋白質(zhì)組表達(dá)譜研究奠定了基礎(chǔ)。然而，與高速發(fā)展的儀器相比較，適合于大規(guī)模

2、蛋白質(zhì)組表達(dá)譜研究的數(shù)據(jù)處理、整合及分析方法明顯滯后。雖然個別表達(dá)譜研究也建立了部分?jǐn)?shù)據(jù)處理、整合的方法，但至今仍然沒有一個系統(tǒng)、全面的數(shù)據(jù)處理、整合體系。蛋白質(zhì)鑒定的可靠性依然是蛋白質(zhì)質(zhì)譜鑒定的難點；而且，在質(zhì)譜產(chǎn)出數(shù)據(jù)和最終表達(dá)譜的系統(tǒng)生物學(xué)意義分析之間仍然存在著難以跨越的鴻溝。 為進(jìn)一步提高蛋白質(zhì)鑒定的可靠性，并填補(bǔ)蛋白質(zhì)質(zhì)譜鑒定和表達(dá)譜分析之間的鴻溝，為最終鑒定蛋白質(zhì)的生物學(xué)分析提供便利，本文在對現(xiàn)有研究的充分調(diào)研以及

3、對蛋白質(zhì)組表達(dá)譜需求詳細(xì)分析的基礎(chǔ)上，建立了多種策略以加強(qiáng)鑒定結(jié)果的可靠性，并為隨后的生物學(xué)分析提供了鑒定蛋白質(zhì)的基本注釋信息。 對于基因組序列已知的生物，數(shù)據(jù)庫搜索策略是最經(jīng)濟(jì)、最有效的蛋白質(zhì)鑒定方法。為獲得盡可能多高可靠性的鑒定結(jié)果，采用了分步搜索的策略：首先通過對一個質(zhì)量相對較高、覆蓋率較大的非冗余數(shù)據(jù)庫的搜索完成基本鑒定；其次，為了充分利用質(zhì)譜數(shù)據(jù)，我們建立了用其它數(shù)據(jù)庫(包括蛋白質(zhì)數(shù)據(jù)庫和核酸數(shù)據(jù)庫)進(jìn)行分步搜索的策

4、略，完成了質(zhì)譜數(shù)據(jù)的補(bǔ)充鑒定和新蛋白質(zhì)挖掘。 由于數(shù)據(jù)庫搜索屬于一種模式匹配的策略，所用的質(zhì)譜鑒定結(jié)果往往不是特別精確，而且數(shù)據(jù)庫中也存在大量的相似蛋白質(zhì)或肽段，有時一個質(zhì)譜鑒定結(jié)果可能匹配不止一個蛋白質(zhì)或肽段。為了充分利用這些質(zhì)譜數(shù)據(jù)，并準(zhǔn)確地描述肽段和蛋白質(zhì)鑒定的不精確性，建立了肽段和蛋白質(zhì)鑒定的Group模型。 對于肽質(zhì)量指紋譜的結(jié)果，針對其數(shù)據(jù)的特殊性，首先利用統(tǒng)計方法獲得樣品和儀器產(chǎn)生的噪音數(shù)據(jù)，并通過Ho

5、ugh轉(zhuǎn)換獲得偏差較大的結(jié)果。通過對這些結(jié)果的去除，有效地排除了肽質(zhì)量指紋譜鑒定結(jié)果的不可靠肽段。此外，通過對同一個PMF鑒定結(jié)果聚類的方法解決了爭執(zhí)良久的MALDI-TOF/TOF結(jié)果中一個PMF結(jié)果鑒定多個蛋白質(zhì)時數(shù)據(jù)取舍的問題。 在上述盡量提高蛋白質(zhì)質(zhì)譜鑒定可靠性的基礎(chǔ)上，仍然需要對最終結(jié)果進(jìn)行可靠性評估。在現(xiàn)有可靠性評估方法的基礎(chǔ)上，建立了一種比現(xiàn)有方法更準(zhǔn)確估算鑒定結(jié)果的陽性(正確鑒定結(jié)果)和陰性(隨機(jī)匹配結(jié)果)分布

6、及比例的方法，即利用混合數(shù)據(jù)庫(正向數(shù)據(jù)庫+反向數(shù)據(jù)庫)和正向數(shù)據(jù)庫搜索結(jié)果結(jié)合進(jìn)行差減運算的方法。 最后，為了有效銜接蛋白質(zhì)質(zhì)譜鑒定結(jié)果和最終表達(dá)譜數(shù)據(jù)的生物學(xué)分析，建立了質(zhì)譜數(shù)據(jù)處理、整合和注釋系統(tǒng)。數(shù)據(jù)的處理首先用Group模型獲得鑒定結(jié)果的Group，隨后利用集合運算的方法進(jìn)行數(shù)據(jù)的整合：即先對有交叉蛋白質(zhì)的鑒定Group取并集，而后對屬于一個并集的所有Group進(jìn)行交集運算。最后獲得鑒定結(jié)果的Cluster(同一個并

7、集的所有Group)和Uniquegroup(交集的結(jié)果)。此外，為了展示Cluster內(nèi)部各Uniquegroup間的關(guān)系，借鑒進(jìn)化樹繪制的方法建立了Uniquegroup間樹形關(guān)系圖表示法。 這些數(shù)據(jù)處理和整合體系將獲得盡量可靠的鑒定蛋白質(zhì)列表。為便于最終的表達(dá)譜數(shù)據(jù)分析，在EBI和NCBI提供的核酸和蛋白質(zhì)相關(guān)信息的基礎(chǔ)上，建立了鑒定蛋白質(zhì)的注釋體系，為隨后的蛋白質(zhì)組表達(dá)譜分析提供了必要的信息。 上述多種策略是

8、在本實驗室人胎肝蛋白質(zhì)組表達(dá)譜研究、HLPP表達(dá)譜研究及CNHLPP標(biāo)準(zhǔn)蛋白的數(shù)據(jù)分析過程中逐步建立的，并在這些研究中得到了應(yīng)用，實踐證明，這些策略是行之有效的。 本研究能為大規(guī)模蛋白質(zhì)組表達(dá)譜研究獲得高可靠性的蛋白質(zhì)鑒定結(jié)果提供了較嚴(yán)格的數(shù)據(jù)處理、整合方法，有望在某種程度上降低蛋白質(zhì)鑒定的假陽性率。同時，這些方法也對小規(guī)模的蛋白質(zhì)鑒定等研究有一定的借鑒意義。 此外，本論文還包含了對全蛋白質(zhì)組等電點多峰分布現(xiàn)象的研究

9、。早在1988年，就有研究發(fā)現(xiàn)等電點近中性的蛋白質(zhì)非常缺乏。隨后的研究表明，等電點可能呈現(xiàn)雙峰或三峰的分布現(xiàn)象，并且這些峰可能和亞細(xì)胞定位有關(guān)系。為了驗證此結(jié)論，作者對多種不同生物全基因組編碼蛋白質(zhì)組及隨機(jī)蛋白質(zhì)組的等電點分布進(jìn)行仔細(xì)研究，發(fā)現(xiàn)這種多峰分布是不同生物蛋白質(zhì)組等電點分布的普遍現(xiàn)象，而且人類隨機(jī)蛋白質(zhì)組和全基因組編碼蛋白質(zhì)組的等電點分布非常相似。全蛋白質(zhì)組模擬2DE圖表明，多峰分布的根源在于低分子量區(qū)域等電點分布的不連續(xù)性。