CN103163257A - 一种奶牛尿液iTRAQ检测数据处理方法 - Google Patents

一种奶牛尿液iTRAQ检测数据处理方法 Download PDF

Info

Publication number
CN103163257A
CN103163257A CN 201110415160 CN201110415160A CN103163257A CN 103163257 A CN103163257 A CN 103163257A CN 201110415160 CN201110415160 CN 201110415160 CN 201110415160 A CN201110415160 A CN 201110415160A CN 103163257 A CN103163257 A CN 103163257A
Authority
CN
China
Prior art keywords
itraq
analysis
gene
protein
data
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
Application number
CN 201110415160
Other languages
English (en)
Inventor
曾华宗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHANGHAI CLUSTER BIOTECH CO Ltd
Original Assignee
SHANGHAI CLUSTER BIOTECH CO Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SHANGHAI CLUSTER BIOTECH CO Ltd filed Critical SHANGHAI CLUSTER BIOTECH CO Ltd
Priority to CN 201110415160 priority Critical patent/CN103163257A/zh
Publication of CN103163257A publication Critical patent/CN103163257A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明针对iTRAQ蛋白质定量分析数据的特点，设计了一种分析奶牛尿液的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

一种奶牛尿液iTRAQ检测数据处理方法
技术领域
本发明属于生物技术领域，涉及奶牛尿液蛋白质组学定量数据分析方面。 
背景技术
iTRAQ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奶牛尿液iTRAQ检测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，一种奶牛尿液iTRAQ检测数据分析的方法，通过优化的过程和参数对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、对于实验检测得到的数据进行差异蛋白筛选。通过对原始iTRAQ数据进行分组筛选，获取差异结果。 
步骤二、对于得到的差异蛋白，我们向gene ontology数据库的各节点映射。计算每个节点的蛋白数目。软件使用R(http://www.r-project.org/)统计平台下的GSEABase软件包。差异表达蛋白被按照biological process方式进行分类。 
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奶牛尿液iTRAQ检测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，本发明中将以奶牛尿液的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奶牛尿液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。 
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，通过对原始奶牛尿液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。
CN 201110415160 2011-12-13 2011-12-13 一种奶牛尿液iTRAQ检测数据处理方法 Pending CN103163257A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201110415160 CN103163257A (zh) 2011-12-13 2011-12-13 一种奶牛尿液iTRAQ检测数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201110415160 CN103163257A (zh) 2011-12-13 2011-12-13 一种奶牛尿液iTRAQ检测数据处理方法

Publications (1)

Publication Number Publication Date
CN103163257A true CN103163257A (zh) 2013-06-19

Family

ID=48586516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201110415160 Pending CN103163257A (zh) 2011-12-13 2011-12-13 一种奶牛尿液iTRAQ检测数据处理方法

Country Status (1)

Country Link
CN (1) CN103163257A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105316416A (zh) * 2015-11-24 2016-02-10 华南理工大学 一种快速筛查疾病候选标志物或靶标的方法
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
CN106778068A (zh) * 2017-02-10 2017-05-31 北京大学 一种基于基因组环境确定遗传变异功能影响的方法
CN107064338A (zh) * 2017-03-01 2017-08-18 国家烟草质量监督检验中心 一种基于iTRAQ标记测定烟碱诱导细胞差异表达蛋白质的方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105316416A (zh) * 2015-11-24 2016-02-10 华南理工大学 一种快速筛查疾病候选标志物或靶标的方法
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
CN106778068A (zh) * 2017-02-10 2017-05-31 北京大学 一种基于基因组环境确定遗传变异功能影响的方法
CN107064338A (zh) * 2017-03-01 2017-08-18 国家烟草质量监督检验中心 一种基于iTRAQ标记测定烟碱诱导细胞差异表达蛋白质的方法

Similar Documents

Publication Publication Date Title
Chiva et al. QCloud: A cloud-based quality control system for mass spectrometry-based proteomics laboratories
Navarro et al. A multicenter study benchmarks software tools for label-free proteome quantification
Su et al. Single cell proteomics in biomedicine: High‐dimensional data acquisition, visualization, and analysis
Neilson et al. Label-free quantitative shotgun proteomics using normalized spectral abundance factors
Colantonio et al. The clinical application of proteomics
Blattmann et al. SWATH2stats: an R/bioconductor package to process and convert quantitative SWATH-MS proteomics data for downstream analysis tools
Langley et al. Comparative analysis of statistical methods used for detecting differential expression in label-free mass spectrometry proteomics
Zeng et al. Inference of nonlinear state-space models for sandwich-type lateral flow immunoassay using extended Kalman filtering
White et al. Bioinformatics strategies for proteomic profiling
Blankley et al. A label-free selected reaction monitoring workflow identifies a subset of pregnancy specific glycoproteins as potential predictive markers of early-onset pre-eclampsia
Hause et al. Targeted protein-omic methods are bridging the gap between proteomic and hypothesis-driven protein analysis approaches
Prieto et al. PAnalyzer: a software tool for protein inference in shotgun proteomics
Castillo et al. Cytokine measurement using cytometric bead arrays
CN103163257A (zh) 一种奶牛尿液iTRAQ检测数据处理方法
Branson et al. A multi-model statistical approach for proteomic spectral count quantitation
Shi et al. Antibody-Free PRISM–SRM for Multiplexed Protein Quantification: is This The New Competition for Immunoassays in Bioanalysis?
Græsbøll et al. Opportunities and challenges when pooling milk samples using ELISA
Greco et al. Complementary proteomic analysis of protein complexes
McIntosh et al. Biomarker validation by targeted mass spectrometry
Feng et al. Selected reaction monitoring to measure proteins of interest in complex samples: a practical guide
Rabilloud How to use 2D gel electrophoresis in plant proteomics
Shokhirev et al. FlowMax: a computational tool for maximum likelihood deconvolution of CFSE time courses
CN102321733A (zh) 一种分析iTRAQ数据的方法
Little et al. ReSASC: A resampling‐based algorithm to determine differential protein expression from spectral count data
Pais et al. An automated workflow for MALDI-ToF mass spectra pattern identification on large data sets: An application to detect aneuploidies from pregnancy urine

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C05 Deemed withdrawal (patent law before 1993)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20130619