CN102321733A - 一种分析iTRAQ数据的方法 - Google Patents
一种分析iTRAQ数据的方法 Download PDFInfo
- Publication number
- CN102321733A CN102321733A CN201010546063A CN201010546063A CN102321733A CN 102321733 A CN102321733 A CN 102321733A CN 201010546063 A CN201010546063 A CN 201010546063A CN 201010546063 A CN201010546063 A CN 201010546063A CN 102321733 A CN102321733 A CN 102321733A
- Authority
- CN
- China
- Prior art keywords
- itraq
- gene
- analysis
- data
- protein
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明针对iTRAQ蛋白质定量分析数据的特点，设计了一种分析iTRAQ数据的方法，其主要流程为：步骤一、差异蛋白筛选，通过对原始iTRAQ数据进行分组筛选，获取差异结果；步骤二、GO分析，通过向GO数据库进行映射查询，获取较全面的基因功能信息，以有向无环图显示；步骤三、Pathway分析，与GO分析类似。通过与KEGG数据库进行比较查询，构造基因之间相互作用通路；步骤四、Gene network分析，通过整合3种不同的相互作用关系，得到基因互作网络图。
Description
技术领域
本发明属于生物技术领域，涉及蛋白质组学定量数据分析方面。
背景技术
iTRAQ(同位素标记相对和绝对定量技术)是近年来最新开发的一种新的蛋白质组学定量研究技术，它具有定量效果好、重复性高等优点，可对多达四种不同的样本同时进行定量分析，从事生物方面研究的科学工作者们常用iTRAQ技术来加速蛋白质的定量研究。
在蛋白质组学的研究中，仅仅知道蛋白质的成分并不足以对蛋白质给出最终定论，因为蛋白质的浓度对与实现其在细胞中的功能来说极其重要，一种特殊蛋白质在浓度上的变化，就能预示细胞的突变过程。而应用传统的方法对蛋白质进行相对和绝对浓度进行测量，在敏感度和精确度上面都难以达到理想的效果。随着蛋白质组学中的方法学研究的不断提高，基于高度敏感性和精确性的串联质谱方法，不需要凝胶，就可以获得相对和绝对定量的蛋白质结果，英国Leeds(利兹)大学的博士Darryl Pappin因此发明了一种新型的同位素标记相对和绝对定量技术，用来进行蛋白质组学的定量研究，即iTRAQ技术。
iTRAQ的操作程序一般如下。将蛋白质裂解为肽段，然后用iTRAQ试剂进行差异标记。再将标记的样本相混合，这样就可以对其进行比较。与样本结合后，通常用MudPIT(多维蛋白质鉴定技术)进行下一步的操作，用2D液相色谱串联质谱进行分析。在质谱分析鉴定特殊肽离子片断结构的基础上，采用美国应用生物系统公司的软件包MASCOT(http://www.appliedbiosystems.com.cn/)和Protein Pilot对每一个肽段进行鉴定。Darryl Pappin博士表示，水解之后，每一个蛋白质会产生大量的肽段。用四种iTRAQ试剂对每一个肽段进行标记，每一种都被看作是独立的测量，所有的测试都是均匀的。但是，有一些蛋白质也许只进行一次肽测定，对哪些肽继续进行研究最终是由研究人员决定的。
iTRAQ技术的一大优点是，它可以对任何类型的蛋白质进行鉴定，包括高分子量蛋白质，酸性蛋白质和碱性蛋白质，2D凝胶电泳对这些蛋白质都束手无策。而且，2D凝胶电泳无法对膜蛋白那样的不溶性蛋白质进行分析，但是iTRAQ标记系统和质谱法联合使用可解决这些问题。
如其他蛋白质分析技术一样，使用iTRAQ技术进行蛋白质的定量分析，也许产生大量的数据，因而使用一种合理的方法去分析数据，解决数据发掘问题，获取iTRAQ标记串联质谱分析得到丰富的蛋白质信息，显得十分重要。
本发明设计了一套用于iTRAQ数据分析的方法流程，通过制定合理的分析步骤，选取优化的分析参数，达到获取丰富蛋白质信息的目的。
发明内容
本发明的内容主要为，一种iTRAQ数据分析的方法，通过优化过的过程和参数对iTRAQ技术分析得来的蛋白质数据进行分析，获取有用的蛋白质信息。本方法的主要实施流程为：
步骤一、差异蛋白筛选。通过对原始iTRAQ数据进行分组筛选，获取差异结果。
步骤二、GO(Gene ontology)分析。通过向GO数据库进行映射查询，获取较全面的基因功能信息，以有向无环图显示。
步骤三、Pathway分析。与GO分析类似。通过与KEGG数据库进行比较查询，构造基因之间相互作用通路。
步骤四、Gene network分析。本方法的核心步骤，通过整合3种不同的相互作用关系，得到基因互作网络图。
附图说明
图1、本发明所述一种分析iTRAQ数据的方法的实施流程图
具体实施方式
本发明所述，一种分析iTRAQ数据的方法应用于蛋白质iTRAQ分析数据的分析方面，本发明中将以小鼠细胞的iTRAQ分析数据为例，说明本方法的具体实施步骤：
步骤一、差异蛋白筛选。筛选的原始数据来源于小鼠细胞iTRAQ检测后的proteinpilot软件分析结果。对数据按实验分组进行组间筛选，获得差异表达蛋白，后续分析以实验数据中的C组和B组的差异筛选结果为例。
步骤二、GO(Gene ontology)分析。上个步骤中得到的差异表达蛋白可作为GO分析的输入数据，使用EASE(http://david.abcc.ncifcrf.gov/ease/ease.jsp)软件，将差异蛋白基因分别向Gene ontology数据库(www.geneontology.org)的各节点进行映射，计算每个节点的基因数目。差异基因按照biological process(生物学过程)进行分类。
步骤三、Pathway分析。与GO分析类似，将差异表达蛋白想KEGG数据库(www.genome.jp/kegg/)进行映射，得到各蛋白基因之间的调节通路。调节通路图中，各节点便是一个基因，通过设置不同颜色来区分上调基因与下调基因。
步骤四、Gene network分析。我们同时整合3种不同的相互作用关系：
1)KEGG数据库中基因之间的蛋白互做、基因调控、蛋白修饰等关系；
2)已有的高通量实验，如酵母双杂交等证实的蛋白-蛋白相互作用；
3)已有文献报道的中提到的基因之间的相互作用。
来对各个蛋白基因进行相互作用分析。对三种关系使用不用的数据库作为分析来源，将3种分析的数据结果进行整合，得到各个基因之间的相互作用网络图，即Gene network。
以上是对本发明的描述而非限定，基于本发明思想的其它实施方式，均在本发明的保护范围之中。
Claims (1)
1.本发明所述一种分析iTRAQ数据的方法，它包含如下几步主要特征：
步骤一、差异蛋白筛选，通过对原始iTRAQ数据进行分组筛选，获取差异结果；
步骤二、GO分析，通过向GO数据库进行映射查询，获取较全面的基因功能信息，以有向无环图显示；
步骤三、Pathway分析，与GO分析类似。通过与KEGG数据库进行比较查询，构造基因之间相互作用通路；
步骤四、Gene network分析，通过整合3种不同的相互作用关系，得到基因互作网络图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010546063A CN102321733A (zh) | 2010-11-15 | 2010-11-15 | 一种分析iTRAQ数据的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010546063A CN102321733A (zh) | 2010-11-15 | 2010-11-15 | 一种分析iTRAQ数据的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102321733A true CN102321733A (zh) | 2012-01-18 |
Family
ID=45449565
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201010546063A Pending CN102321733A (zh) | 2010-11-15 | 2010-11-15 | 一种分析iTRAQ数据的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102321733A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105510603A (zh) * | 2016-02-01 | 2016-04-20 | 宁夏医科大学总医院 | 一种检测吉非替尼耐药机理的方法 |
| CN106546754A (zh) * | 2016-12-09 | 2017-03-29 | 新疆医科大学 | 伊木萨克片作用于异常黏液质证与阳痿病证模型靶点蛋白及其筛选方法 |
-
2010
- 2010-11-15 CN CN201010546063A patent/CN102321733A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105510603A (zh) * | 2016-02-01 | 2016-04-20 | 宁夏医科大学总医院 | 一种检测吉非替尼耐药机理的方法 |
| CN106546754A (zh) * | 2016-12-09 | 2017-03-29 | 新疆医科大学 | 伊木萨克片作用于异常黏液质证与阳痿病证模型靶点蛋白及其筛选方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Navarro et al. | A multicenter study benchmarks software tools for label-free proteome quantification | |
| JP6882211B2 (ja) | 実験室の実験データ調査および可視化 | |
| Nilsson et al. | Mass spectrometry in high-throughput proteomics: ready for the big time | |
| Su et al. | Single cell proteomics in biomedicine: High‐dimensional data acquisition, visualization, and analysis | |
| Deutsch et al. | Data analysis and bioinformatics tools for tandem mass spectrometry in proteomics | |
| Lee | Proteomics: a technology-driven and technology-limited discovery science | |
| Collins et al. | Quantifying protein interaction dynamics by SWATH mass spectrometry: application to the 14-3-3 system | |
| Cvitkovic et al. | Spliceosome database: a tool for tracking components of the spliceosome | |
| Neilson et al. | Label-free quantitative shotgun proteomics using normalized spectral abundance factors | |
| Zhang et al. | Mining the plasma proteome for disease applications across seven logs of protein abundance | |
| JP2018531367A6 (ja) | 実験室の実験データ調査および可視化 | |
| CN103714267B (zh) | 基于种特有序列的检测或辅助检测待测菌株的方法 | |
| Hause et al. | Targeted protein-omic methods are bridging the gap between proteomic and hypothesis-driven protein analysis approaches | |
| Xie et al. | The intriguing landscape of single‐cell protein analysis | |
| Hathout | Proteomic methods for biomarker discovery and validation. Are we there yet? | |
| Carvalho et al. | Analyzing shotgun proteomic data with PatternLab for proteomics | |
| Castillo et al. | Cytokine measurement using cytometric bead arrays | |
| Shi et al. | Antibody-Free PRISM–SRM for Multiplexed Protein Quantification: is This The New Competition for Immunoassays in Bioanalysis? | |
| Dwivedi et al. | Understanding the effect of carrier proteomes in single cell proteomic studies-key lessons | |
| CN103163257A (zh) | 一种奶牛尿液iTRAQ检测数据处理方法 | |
| Cilibrasi et al. | ViruClust: direct comparison of SARS-CoV-2 genomes and genetic variants in space and time | |
| CN102321733A (zh) | 一种分析iTRAQ数据的方法 | |
| Muscarella et al. | Automated workflow for somatic and germline next generation sequencing analysis in routine clinical cancer diagnostics | |
| Feng et al. | Selected reaction monitoring to measure proteins of interest in complex samples: a practical guide | |
| McGuire et al. | Mass spectrometry is only one piece of the puzzle in clinical proteomics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120118 |