Interpretazione dei dati di Proteomics

Da Shelley Farrar, MSc, BSc

Proteomes si riferisce all'insieme completo delle proteine espresse da un organismo o da un sistema biologico. Proteomics è, quindi, lo studio su grande scala sui proteomes, esplorante un intervallo delle attività della proteina compreso l'espressione, il movimento e l'interazione. Proteomics adotta un approccio quantitativo agli studi su genomica funzionale e sui sistemi biologici con l'uso di estesi gruppi di dati costituiti dalle liste delle proteine.

L'arrivo del proteomics del fucile da caccia, identificante le proteine in miscele complesse con le tecnologie di alto-capacità di lavorazione, ha significato che i metodi supplementari sono richiesti di interpretare le grandi liste risultanti delle proteine identificate. Gli strumenti di bioinformatica e della biostatistica si sono applicati all'interpretazione dei dati di proteomics.

Ricerca nel campo del proteomics. Nuove tecnologie per lo studio delle macromolecole biologiche. Credito di immagine: Sergei Drozd/Shutterstock
Ricerca nel campo del proteomics. Nuove tecnologie per lo studio delle macromolecole biologiche. Credito di immagine: Sergei Drozd/Shutterstock

Interpretazione dei dati di Proteomics con l'annotazione di ontologia del gene

La pertinenza biologica di grande quantità di proteine identificate ottenute deve essere estratta con l'uso dell'annotazione funzionale. L'annotazione funzionale dei dati di proteomics tiene conto l'estrazione mineraria dei database biologici di informazioni predire la funzione di una proteina. La classificazione dei geni e delle proteine secondo i loro ruoli nei sistemi biologici è egualmente le fondamenta per l'analisi delle relazioni e delle interazioni fra loro.

L'ontologia del gene (GO) è un'iniziativa di bioinformatica per sviluppare un vocabolario controllato per tutti gli eucarioti che possono classificare il gene o la proteina in una categoria.

Questa annotazione significa che la descrizione è all'interno di uno di tre domini:

  1. Un trattamento biologico.
  2. Una funzione molecolare.
  3. Una componente cellulare.

VANNO le annotazioni sono gerarchiche, con più i termini annotati generale al più di qualità superiore della gerarchia ed i termini annotati più specifici al più inferiore. Ciò tiene conto il tracciato delle relazioni fra i termini più bassi dell'più alto genitore potenzialmente multiplo del ` del bambino del `' termine e'. I geni e le proteine quindi sono annotati verso il basso all'interno della gerarchia e possono essere rintracciati ai tre domini originali.

Il database di ANDARE è riveduto costantemente con i nuovi file di annotazione per riflettere la migliore conoscenza di una relazione e per eliminare i termini obsoleti.

Analisi di arricchimento dei dati di Proteomics

L'analisi di arricchimento può essere usata per identificare la sovrarappresentazione di informazioni biologiche nelle liste lunghe della proteina e per tenere conto la visualizzazione dei trattamenti biologici. Le prese dell'analisi di arricchimento VANNO termini e li usa per riassumere le vie biologiche che molto probabilmente sono collegate con i dati proteomic. Le metodologie statistiche sono usate per paragonare l'abbondanza di termini GO nel gruppo di dati all'abbondanza naturale in un gruppo di dati di riferimento.

I termini sono estratti che sono sovrarappresentati nel gruppo di dati di proteomics dal calcolo di un P-valore. C'è oltre 60 software tool sviluppati per calcolare l'analisi di arricchimento con gli algoritmi di arricchimento.

Gli algoritmi differenti sono usati secondo se un termine di annotazione sta provando per volta via l'analisi singolare di arricchimento (SEA) o se l'intero genoma sta considerando via gli algoritmi stabiliti di arricchimento nel gene (GSEA).

Analisi di rete biologica dei dati di Proteomics

Una via biologica è la serie di reazioni chimiche cellulari che causa insieme un effetto biologico. Mentre le proteine sono comprese nelle reazioni chimiche, possono combinarsi nei database di via per permettere che noi interpretiamo il tipo di trattamento biologico all'interno del gruppo di dati di proteomics. I metodi più semplici analizzano le liste della proteina per le abbondanze che rappresentano una via particolare.

Parecchi modelli di rete biologici sono stati sviluppati che aiutano nell'interpretazione dei dati di proteomics simulando i sistemi biologici. Tengono conto la verifica sperimentale dei trattamenti in questione e della simulazione delle interazioni cellulari complesse. Ciò significa che le conseguenze di ogni via biologica possono essere aggettate.

Il software egualmente è stato sviluppato per aiutare nella visualizzazione dei trattamenti biologici. Gli strumenti di calcolo possono elaborare i gruppi di dati su grande scala del proteome integrando i risultati dell'analisi funzionale di arricchimento, di modo che le annotazioni sovrarappresentate possono essere video come rete.

La visualizzazione più facile dell'interpretazione di dati di proteomics può essere fatta con questo approccio di calcolo. La visualizzazione risultante della rete comprende i vertici che sono associati con una componente molecolare quali le proteine, mentre le barriere sono associate con i tipi differenti di interazioni fra i vertici. Elaborando i dati di proteomics in questo modo, interpretare le liste lunghe delle proteine è resa più facile e le informazioni biologiche risultanti possono applicarsi a varie domande all'interno del campo del proteomics.

Sorgenti:

  1. https://www.ebi.ac.uk/training/online/course/proteomics-introduction-ebi-resources/what-proteomics
  2. Carnielli, C.M. et al. 2015. Annotazione funzionale del ` ed interpretazione biologica dell'acta di dati', di Biochimica et di Biophysica di proteomics, 1, pp. 46-54. http://www.sciencedirect.com/science/article/pii/S1570963914002799
  3. http://geneontology.org/page/go-enrichment-analysis
  4. Schmidt, A. et al. 2014. Analisi di bioinformatica del ` dei dati di proteomics', biologia di sistemi di BMC, 8, S3. https://bmcsystbiol.biomedcentral.com/articles/10.1186/1752-0509-8-S2-S3
  5. Oveland, E. 2015. ` Che osserva il proteome: come prevedere i dati di proteomics? ', Proteomics, 15, pp. 1341-1355.

Further Reading

Last Updated: Feb 26, 2019

Comments

The opinions expressed here are the views of the writer and do not necessarily reflect the views and opinions of News-Medical.Net.
Post a new comment
Post