CN109100461B - 一种利用蛋白组学技术区分有机大米和非有机大米的方法 - Google Patents
一种利用蛋白组学技术区分有机大米和非有机大米的方法 Download PDFInfo
- Publication number
- CN109100461B CN109100461B CN201810812539.5A CN201810812539A CN109100461B CN 109100461 B CN109100461 B CN 109100461B CN 201810812539 A CN201810812539 A CN 201810812539A CN 109100461 B CN109100461 B CN 109100461B
- Authority
- CN
- China
- Prior art keywords
- rice
- sample
- organic rice
- organic
- enzymolysis
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种利用蛋白组学技术区分有机大米和非有机大米的方法,属于谷物鉴别技术领域。该方法是分别对有机大米样品、非有机大米样品和待检测大米进行蛋白提取,得蛋白粗提取液;利用胰蛋白酶对蛋白粗提取液进行酶解,得酶解液;利用毛细管液相色谱串联三重四极杆质谱对酶解产物进行分离和鉴定,得蛋白信息;对有机大米和非有机大米的蛋白信息进行缺失筛选,得有机大米和非有机大米的差异蛋白,根据每个有机大米样品和非有机大米样品的差异蛋白在其酶解液中的含量数据建立偏最小二乘‑判别分析模型,获得偏最小二乘‑判别分析模型;将待检测大米数据带入模型中进行鉴别。本发明方法能够有效区分有机大米和非有机大米,结果直观、准确可靠。
Description
技术领域
本发明涉及一种利用蛋白组学技术区分有机大米和非有机大米的方法,属于谷物鉴别技术领域。
背景技术
蛋白组学作为“组学”技术(包括基因组学、蛋白质组学、转录组学和代谢组学)中的一种,用于从整体表达水平来阐明生命现象、研究生命活动的规律。与静态的基因组学研究相比,蛋白组学是具有时间性和空间性的动态的细胞动力学研究,因而这一新学科也被视为一种新的“后基因组”研究方法,用于探讨特定基因和蛋白质的相互关系以及修饰蛋白与蛋白的相互作用。近年来蛋白组学已被广泛应用于植物对环境胁迫的鉴定和追踪上。
大米是一种重要的谷物作物,尤其在亚洲地区。近年来,随着人们生活水平的逐渐提高,人们对食品安全与健康的意识也随之增强。有机农产品以其绿色健康、无公害、营养价值高等特点受到消费者的青睐。目前市场上有机农产品品种繁多,价格也明显高于普通农产品,但目前仍无全面而健全的方法对市售标有“有机食品”字样的产品进行鉴别检测。在植物发育过程中,不同种植环境条件会影响不同组织和器官功能上的分化,进而表现在其蛋白质的差异上。目前对有机农产品的检测多集中于化学检测上,这些检测方式多注重于对某一种或某一类物质的检测上,无法从更全面的角度上对有机产品进行衡量和测定。
发明内容
为解决现有化学方法无法对有机大米和非有机大米方法进行快速而高效检测的问题,本发明提供了一种利用蛋白组学技术区分有机大米和非有机大米的方法,采用的技术方案如下:
本发明的目的在于提供一种利用蛋白组学技术区分有机大米和非有机大米的方法,该方法包括如下步骤:
1)分别对有机大米样品、非有机大米样品和待检测大米进行蛋白提取,获得每个大米样品的蛋白粗提取液;
2)利用胰蛋白酶分别对每个大米样品的蛋白粗提取液进行酶解,获得大米样品的酶解液;
3)利用毛细管液相色谱串联三重四极杆质谱分别对大米样品酶解液中的酶解产物进行分离和鉴定,获得大米样品的蛋白信息;
4)将有机大米样品的蛋白信息和非有机大米样品的蛋白信息进行缺失筛选,得到有机大米和非有机大米的差异蛋白;
5)根据有机大米样品和非有机大米样品的差异蛋白在其酶解液中的含量数据建立偏最小二乘-判别分析模型;
6)将待检测大米样品在其酶解液中的含量数据带入最小二乘-判别分析模型中,并且对样品参考值进行定义:1为是,0为否,经过偏最小二乘-判别分析模型分析获得待检测大米样品的样品计算值;通过待测大米样品计算值判定待检测大米样品为有机大米或非有机大米;当样品计算值在小于0.5时被认定为否,当样品计算值大于0.5时被认定为是。
优选地,步骤1)所述蛋白提取是将大米用液氮研磨成粉末,按液质比10:1的比例加入STD缓冲液,混匀后沸水浴,并进行超声破碎,超声破碎完成后再次沸水浴,离心取上清得蛋白粗提取液;所述STD缓冲液的配方为:4%(w/v) SDS,1 mM DTT,150 mM Tris-HCL,pH8.0。
更优选地,所述超声破碎是在80 W下超声10次,每次超声10 s,间歇15 s。
优选地,步骤2)是利用FASP法对蛋白粗提取液进行酶解,具体为:向步骤1)获得的蛋白粗提取液中加入DTT,沸水浴后冷却至室温,加入UA缓冲液混匀,转入超滤离心管中离心,离心完成后向沉淀中加入IAA,振荡混匀,避光室温静置后离心;向沉淀中加入UA缓冲液,离心;向沉淀中加入NH4HCO3,离心;最后向沉淀中加入胰蛋白酶缓冲液,过夜水解离心后收集滤液,得酶解液。
更优选地,步骤2)是取200 μg蛋白粗提取液,向蛋白粗提取液中加入DTT至DTT的终浓度为100 mM,沸水浴后冷却至室温,加入200 μL UA缓冲液混匀,转入超滤离心管,离心后加入200 μL UA缓冲液,离心后弃滤液,向沉淀中加入100 μL IAA溶液,振荡,避光室温30min后离心,向沉淀中加入100 μL UA缓冲液后离心,重复该步骤两次,加入100 μL 100mMNH4HCO3后离心,重复该步骤2次;加入40 μL 胰蛋白酶缓冲液,振荡后于37 ℃过夜水解,离心后收集滤液,得酶解液;其中:UA缓冲液的配方为:8 M尿素,150 mM Tris-HCl,pH 8.0;所述胰蛋白酶缓冲液是通过将2 μg胰蛋白酶溶于40 μL 25 mM NH4HCO3中制备的;所述IAA溶液是通过将50 mM IAA溶于100 μL UA缓冲液制备的。
优选地,步骤3)所述毛细管液相色谱串联三重四极杆质谱中毛细管液相色谱采用RP-C18色谱柱,流动相采用流动相A和流动相B,其中:流动相A为0.1%(v/v)甲酸水溶液,流动相B为0.1%(v/v)甲酸-乙腈水溶液。
优选地,所述毛细管液相色谱采用梯度洗脱,梯度洗脱程序为:0-50 min,4%-50%流动相 B,50-54 min,50%-100%流动相 B,54-60 min,100% 流动相B,60-61 min,100%-4%流动相B,61-65 min,4%流动相 B。
优选地,步骤3)所述毛细管液相色谱串联三重四极杆质谱的质谱条件为:分析时长:60min,检测方式:正离子,母离子扫描范围:300-1800 m/z,一级质谱分辨率:70,000,AGC target:3e6,一级Maximum IT:10 ms,扫描次数:1次,Dynamic exclusion:40.0 s。多肽和多肽的碎片的质量电荷比按照下列方法采集:每次全扫描后采集10个碎片图谱MS2scan,MS2 Activation Type:HCD,Isolation window:2 m/z,二级质谱分辨率:17,500,Microscans:1,二级Maximum IT:60 ms,Normalized collision energy:30 eV,Underfillratio:0.1%。
优选地,步骤1)所述有机大米样品、非有机大米样品均已被认证。
优选地,步骤5)所述偏最小二乘-判别分析模型的校验方法为:选择待测的有机大米和非有机大米,分别对每个的待测大米样品进行蛋白提取,获得蛋白粗提取液;利用胰蛋白酶分别对蛋白粗提取液进行酶解,获得大米样品的酶解液;利用毛细管液相色谱串联三重四极杆质谱分别对大米酶解产物进行分离和鉴定,获得有机大米、非有机大米的蛋白信息;将待检测大米样品的在其酶解液中的含量数据带入最小二乘-判别分析模型中,并且对样品参考值进行定义:1为是,0为否,经过偏最小二乘-判别分析模型分析获得待检测大米样品的样品计算值;根据样品计算值对待检测大米样品进行判定;将判定结果与真实情况相比较,当误判率为0时判定为建立的偏最小二乘-判别分析模型能够用于对有机大米和非有机大米进行鉴别。
本发明将蛋白组学应用到有机大米的鉴别当中,利用nano LC-MS/MS法对大米蛋白提取物进行分离和定量,并利用数据库对质谱信息进行识别。
本发明方法区分待检测大米的方法是:在模型建立后,将进行模型验证(预测)步骤。在验证步骤中,首先对样品参考值进行定义,即1为是,0为否,进而对识别进行定义,即样品计算值在小于0.5时被认定为否,样品计算值大于0.5时被认定为是。预测结果(即样品计算值)是将待检验的样品按照实验步骤进行测定,将数据经预处理和缺失筛选后带入到已建立好的模型进行计算得到的。
本发明有益效果:
(1)应用了蛋白组学技术,利用毛细管色谱串联高分辨质谱技术对大米蛋白提取物进行分析,信服力高。非靶向蛋白组学技术可以对样品蛋白的整体情况进行研究,可以反映出植物在受种植条件影响下所产生的翻译和转录的整体情况,同时,统计学模型的建立为进一步的鉴别应用提供技术支持。
(2)采用本发明的分析方法能够有效区分有机大米和非有机大米,结果以PLS-DA模型验证值体现,能够直观的判别其分类情况,检测结果准确可靠。
(3)简化操作流程:传统的检测需要配置标准样品,绘制标准曲线,同时需要对多种化学物质进行测定,过程繁琐,费时费力。应用非靶向的蛋白组学方法进行测定,操作方便,上机操作也比较便捷,可以进行批量处理,省时省力,可信度高。
(4)针对利用毛细管液相色谱串联高分辨质谱法区分有机大米和非有机大米的分析方法,本发明根据大米样品的蛋白特点,优化筛选得到一组使得大米蛋白提取物得到最佳分离效果和检测效果的毛细管液相色谱条件以及高分辨质谱的工艺条件,经过试验验证,通过该工艺条件,能够在PLS-DA得分图上将有机大米与非有机大米有效区分。
(5)PLS-DA模型的基础上,本发明将待检测样品带入已建立的模型当中进行验证和预测,利用所得到的样品计算值可对检测样品进行区分和判断,正确率高,可信度高。
(6)本发明使用了高分辨质谱,与其他的检测方法相比,可以得到更为准确且全面的样品蛋白信息,这在后续分析和鉴别中具有显著的优势。
附图说明
图1为蛋白组学分析技术路线图。
图2为大米蛋白在不同肽段范围内的分布。
图3为大米样品差异性蛋白火山图。
图4为大米差异性蛋白HCA图。
图5为大米蛋白组学PLS-DA模型得分图。
具体实施方式
下面结合具体实施例对本发明做进一步说明,但本发明不受实施例的限制。
以下实施例中所用的仪器与设备如下:
Q-Exactive质谱仪(Thermo Finnigan);Easy nLC1000纳升级液相色谱仪(ThermoFinnigan);低温高速离心机(Eppendorf 5430R);600V电泳仪(GE Healthcare EPS601);色谱上样柱Thermo scientific EASY column(200 mm×100 μm,5 μm-C18);色谱分析柱Thermo scientific EASY column(100mm×75 μm,3 μm-C18)。
以下实施例中所涉及的材料与试剂如下:
甘油(G0854,上海生工);溴酚蓝(161-0404,上海生工);SDS(161-0302,Bio-Rad);Urea(161-0731,Bio-Rad);Trisbase(161-0719,Bio-Rad);DTT(161-0404 Bio-Rad);IAA(163-2109 Bio-Rad);KH2PO4(10017618,国药试剂);KCl(10016318,国药试剂);HCl(10011018,国药试剂);NH4HCO3(A6141,Sigma);Acetonitrile(I592230123,Merck);超滤离心管(10kd,Sartorius);5×上样缓冲液(10% SDS,0.5%溴酚蓝,50%甘油,500 mM DTT,250mM TrisHCl,pH6.8);SDT缓冲液(4% SDS,100 mM Tris-HCl,1 mM DTT,pH7.6);UA缓冲液(8M urea,150 mM Tris-HCl,pH 8.0)。
以下实施例中所涉及的定义和缩写对照如下:
SDS,十二烷基磺酸钠
DTT,二硫苏糖醇
Tris-HCl,三羟甲基氨基甲烷缓冲液
FASP,超滤管酶解法
IAA,碘乙酰胺
HCA,聚类分析
PLS-DA,偏最小二乘-判别分析
实施例1:
一、实验方法(技术路线图如图1所示)
1、样品
实验选择26个大米样品,其中有机大米样品13个,普通大米13个。按照Kennard-Stone算法将每种大米样品随机按3:1的比例分为校正集(10个)和验证集(3个)。
2、蛋白提取
样品用液氮研磨成粉末并转入50 ml离心管中,按10:1加入STD buffer(4% SDS,1mM DTT,150 mM Tris-HCl,pH8.0),Votex混匀,沸水浴5 min。超声破碎(80 w,超声10 s,间歇15 s,共10次)沸水浴5 min,离心取上清,获得蛋白粗提取液。用BCA法检测蛋白粗提取液中总蛋白质的含量,取约20 μg SDS-PAGE电泳检测,经过电泳检测若蛋白能够分离的用于后续实验。
3、FASP酶解
取200 μg蛋白粗提取液,加入DTT至DTT终浓度为100 mM,沸水浴5 min,冷却至室温。加入200 μL UA缓冲液(8 M Urea,150 mM Tris-HCl,pH8.0)混匀,转入10 kd超滤离心管,离心14000 ×g 10min。再次加入200 μL UA缓冲液离心14000 ×g 10min,弃滤液。加入100 μLIAA溶液(50 mM IAA溶于100 μL UA缓冲液),600 rpm振荡1 min,避光室温30 min,离心 14000 ×g 10min,重复该步骤2次。加入100 μL 25 mM NH4HCO3,离心14000 ×g10min,重复该步骤2次。加入40 μL胰蛋白酶缓冲液(4 μL胰蛋白酶溶于40 μL NH4HCO3),600rpm振荡1 min,37℃过夜水解,换新收集管,离心14000 ×g 10min,收集滤液,进行nanoLC-MS/MS分析。
4、毛细管液相色谱串联三重四极杆质谱分析
液相A液为0.1%(v/v)甲酸水溶液,B液为0.1%(v/v)甲酸乙腈水溶液。上样到Thermo scientific EASY column(20mm×100 μm, 5μm-C18)色谱柱,以95%的A液平衡。再经分析柱Thermo scientific EASY column(100mm×75 μm, 3μm-C18)进行分离,流速为250 μL/min,相关液相梯度如表1。酶解产物经毛细管高效液相色谱脱盐及分离后用QExactive质谱仪(Thermo Fisher)进行质谱分析。质谱分析条件为:分析时长:60min,检测方式:正离子,母离子扫描范围:300-1800 m/z,一级质谱分辨率:70,000,AGC target:3e6,一级Maximum IT:10 ms,扫描次数:1次,Dynamic exclusion:40.0 s。多肽和多肽的碎片的质量电荷比按照下列方法采集:每次全扫描(full scan)后采集10个碎片图谱(MS2 scan),MS2 Activation Type:HCD,Isolation window:2 m/z,二级质谱分辨率:17,500,Microscans:1,二级Maximum IT:60 ms,Normalized collision energy:30 eV,Underfillratio:0.1%。
表1 流动相梯度
5、数据处理
质谱分析原始数据为RAW文件,用软件Mascot 2.2(uniprot Oryza sativa蛋白质库,收录序列168272条,下载于20180418)和Maxquant进行查库鉴定及定量分析,最后得到鉴定的蛋白质结果。查库时将RAW文件通过Maxquant提交至Mascot服务器,选择已经建立好的数据库,然后进行数据库搜索。相关参数如下表2。
表2 Mascot搜索参数
对经过识别的蛋白进行缺失筛选,对筛选出的共性蛋白进行差异性分析,以差异倍数和P值作为衡量标准,选择有机大米和非有机大米的差异性蛋白。最后利用多元统计分析方法偏最小二乘-判别分析模型对有机大米和非有机大米进行建模,在评价模型指标后利用验证集中的样品带入模型进行验证。
二、实验结果
1、肽段的检测结果
通过MS/MS数据进行查库所得结果获得如图2所示的肽段的检测结果,由图2可知:20个大米蛋白样品所检测出的肽段总数量略有差异,但整体肽段分子量分布趋势相似,样品蛋白的相对分子质量主要集中在0-40 KDa之间,占全部蛋白质总数的60%以上,其中分布最为密集的区间为20-40 KDa,约占全部蛋白质总数的30-35%。
2、差异性蛋白筛选
对20个样本中的1661个蛋白进行缺失筛选,对20组数据中都检测到的蛋白进行采集,共筛选出418个共性蛋白。利用两组样本间的蛋白质表达差异倍数(Fold Change)和T检验得到的P-value两个因素共同绘制火山图(Volcano Plot),如图3所示,用于显示两组大米样本数据的著性差异。横坐标为倍图(以2为底的对数变换),纵坐标为差异的显著性P-value(以10为底的对数变换)。选取FC>1.5或者FC<0.667,P-value<0.05的蛋白作为差异蛋白。通过火山图筛选出差异性共有蛋白114个,其中58下调蛋白,56个上调蛋白。
利用该114个差异蛋白进行聚类分析(HCA),获得如图4所示的大米差异性蛋白热点图(Heatmap Image)。由图4可以看出,图中颜色越靠近红色,代表丰度上升倍数越大,越靠近绿色,代表丰度下降倍数越大。热点图可将上调与下调蛋白可视化,并以此为依据进行初步分类。
3、模型的建立与验证
对114个差异性蛋白进行PLS-DA建模,得到如图5所示的大米蛋白组学PLS-DA模型得分图,从PLS-DA得分图可以看出各个样品的聚集、离散程度,每一个点代表一个样品,其中10个有机大米样品全部集中在X轴负半轴(方块),而10个非有机大米样品全部集中在X轴正半轴(圆点)。
模型对样品分离程度较好,利用验证集中的6个大米样品对模型进行带入验证,得到每个样品的拟合值如表3所示。
表3 PLS-DA模型对水稻样品的预测结果
判定方法:将待检测大米的差异蛋白的含量数据带入偏最小二乘-判别分析模型分析会获得一对大米样品计算值,每对计算值包括一个待测样品在有机大米组中的拟合值以及一个待测样品在非有机大米组中的拟合值。对该组计算值进行评价,当该样品在有机大米组中的拟合值小于0.5时被认定为不是有机大米样品,有机大米样品拟合值大于0.5时被认定为是有机大米样品;当该样品在非有机大米样品组中的拟合值大于0.5时被认定为是非有机大米样品,非有机大米样品拟合值小于0.5时被认定为是有机大米样品。
经验证,全部大米样品都可被成功识别,误判率为0。说明利用蛋白组学法结合化学计量分析所建立的PLS-DA模型对有机大米和非有机大米进行鉴别有很好的效果。
虽然本发明已以较佳的实施例公开如上,但其并非用以限定本发明,任何熟悉此技术的人,在不脱离本发明的精神和范围内,都可以做各种改动和修饰,因此本发明的保护范围应该以权利要求书所界定的为准。
Claims (7)
1.一种利用蛋白组学技术区分有机大米和非有机大米的方法,其特征在于,所述方法按如下步骤进行:
1)分别对有机大米样品、非有机大米样品和待检测大米进行蛋白提取,获得每个大米样品的蛋白粗提取液;所述蛋白提取是将大米用液氮研磨成粉末,按液质比10:1的比例加入STD缓冲液,混匀后沸水浴,并进行超声破碎,超声破碎完成后再次沸水浴,离心取上清得蛋白粗提取液;
2)利用胰蛋白酶分别对每个大米样品的蛋白粗提取液进行酶解,获得大米样品的酶解液;
3)利用毛细管液相色谱串联三重四极杆质谱分别对大米样品酶解液中的酶解产物进行分离和鉴定,获得大米样品的蛋白信息;所述毛细管液相色谱串联三重四极杆质谱中毛细管液相色谱采用RP-C18色谱柱,流动相采用流动相A和流动相B,其中:流动相A为0.1%v/v甲酸水溶液,流动相B为0.1%v/v甲酸-乙腈水溶液;所述毛细管液相色谱采用梯度洗脱,梯度洗脱程序为:0-50 min,4%-50% 流动相B;50-54 min,50%-100% 流动相B;54-60 min,100% 流动相B;60-61 min,100%-4%流动相B;61-65 min,4% 流动相B;所述毛细管液相色谱串联三重四极杆质谱的质谱条件为:分析时长:60min,检测方式:正离子,母离子扫描范围:300-1800 m/z,一级质谱分辨率:70,000,AGC target:3e6,一级Maximum IT:10 ms,扫描次数:1次,Dynamic exclusion:40.0 s;多肽和多肽的碎片的质量电荷比按照下列方法采集:每次全扫描后采集10个碎片图谱MS2 scan,MS2 Activation Type:HCD,Isolationwindow:2 m/z,二级质谱分辨率:17,500,Microscans:1,二级Maximum IT:60 ms,Normalized collision energy:30 eV,Underfill ratio:0.1%;
4)将有机大米样品的蛋白信息和非有机大米样品的蛋白信息进行缺失筛选,得到有机大米和非有机大米的差异蛋白;利用有机大米样品和非有机大米样品间的蛋白质表达差异倍数Fold Change和T检验得到的P-value两个因素共同绘制火山图,最终选取FC>1.5或者FC<0.667,P-value<0.05的蛋白作为差异蛋白;
5)根据有机大米样品和非有机大米样品的差异蛋白在其酶解液中的含量数据建立偏最小二乘-判别分析模型;
6)将待检测大米样品在其酶解液中的含量数据带入最小二乘-判别分析模型中,并且对样品参考值进行定义:1为是,0为否,经过偏最小二乘-判别分析模型分析获得待检测大米样品的样品计算值;通过待测大米样品计算值判定待检测大米样品为有机大米或非有机大米;当样品计算值在小于0.5时被认定为否,当样品计算值大于0.5时被认定为是。
2.根据权利要求1所述的方法,其特征在于,步骤1)所述STD缓冲液的配方为:4%w/v十二烷基磺酸钠,1 mM 二硫苏糖醇,150 mM三羟甲基氨基甲烷缓冲液,pH8.0。
3.根据权利要求2所述的方法,其特征在于,所述超声破碎是在80 W下超声10次,每次超声10 s,间歇15 s。
4.根据权利要求1所述的方法,其特征在于,步骤2)是利用超滤管酶解法对蛋白粗提取液进行酶解,具体为:向步骤1)获得的蛋白粗提取液中加入二硫苏糖醇,沸水浴后冷却至室温,加入UA缓冲液混匀,转入超滤离心管中离心,离心完成后向沉淀中加入碘乙酰胺,振荡混匀,避光室温静置后离心;向沉淀中加入UA缓冲液,离心;向沉淀中加入NH4HCO3,离心;最后向沉淀中加入胰蛋白酶缓冲液,过夜水解离心后收集滤液,得酶解液。
5.根据权利要求4所述的方法,其特征在于,步骤2)是取200 μg蛋白粗提取液,向蛋白粗提取液中加入二硫苏糖醇至二硫苏糖醇的终浓度为100 mM,沸水浴后冷却至室温,加入200 μL UA缓冲液混匀,转入超滤离心管,离心后加入200 μL UA缓冲液,离心后弃滤液,向沉淀中加入100 μL碘乙酰胺溶液,振荡,避光室温30 min后离心,向沉淀中加入100 μL UA缓冲液后离心,重复该步骤两次,加入100 μL 100mM NH4HCO3后离心,重复该步骤2次;加入40 μL 胰蛋白酶缓冲液,振荡后于37 ℃过夜水解,离心后收集滤液,得酶解液;其中:UA缓冲液的配方为:8 M尿素,150 mM Tris-HCl,pH 8.0;所述胰蛋白酶缓冲液是通过将2 μg胰蛋白酶溶于40 μL 25mM NH4HCO3中制备的;所述碘乙酰胺溶液是通过将50 mM碘乙酰胺溶于100 μL UA缓冲液制备的。
6.根据权利要求1所述的方法,其特征在于,步骤1)所述有机大米样品、非有机大米样品均已被认证。
7.根据权利要求1所述的方法,其特征在于,步骤5)所述偏最小二乘-判别分析模型的校验方法为:选择待测的有机大米和非有机大米,分别对每个大米样品进行蛋白提取,获得蛋白粗提取液;利用胰蛋白酶分别对蛋白粗提取液进行酶解,获得大米样品的酶解液;利用毛细管液相色谱串联三重四极杆质谱分别对大米酶解产物进行分离和鉴定,获得有机大米、非有机大米的蛋白信息;将待检测大米样品的在其酶解液中的含量数据带入最小二乘-判别分析模型中,并且对样品参考值进行定义:1为是,0为否,经过偏最小二乘-判别分析模型分析获得待检测大米样品的样品计算值;根据样品计算值对待检测大米样品进行判定;将判定结果与真实情况相比较,当误判率为0时判定为建立的偏最小二乘-判别分析模型能够用于对有机大米和非有机大米进行鉴别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810812539.5A CN109100461B (zh) | 2018-07-23 | 2018-07-23 | 一种利用蛋白组学技术区分有机大米和非有机大米的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810812539.5A CN109100461B (zh) | 2018-07-23 | 2018-07-23 | 一种利用蛋白组学技术区分有机大米和非有机大米的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109100461A CN109100461A (zh) | 2018-12-28 |
CN109100461B true CN109100461B (zh) | 2021-02-12 |
Family
ID=64847114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810812539.5A Active CN109100461B (zh) | 2018-07-23 | 2018-07-23 | 一种利用蛋白组学技术区分有机大米和非有机大米的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109100461B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7340314B2 (ja) * | 2020-01-15 | 2023-09-07 | Tdk株式会社 | 米に含まれるタンパク質の含有量を測定する方法 |
CN113960007B (zh) * | 2021-10-29 | 2024-03-05 | 杭州食疗晶元生物科技有限公司 | 一种基于食品结构能与加工储能对有机食品的鉴别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101685080A (zh) * | 2008-06-12 | 2010-03-31 | 高尚先 | 一种生物样品中蛋白质组的分析方法 |
CN101901345A (zh) * | 2009-05-27 | 2010-12-01 | 复旦大学 | 一种差异蛋白质组学的分类方法 |
CN105861716A (zh) * | 2016-05-24 | 2016-08-17 | 张理义 | 一种用于抑郁症诊断的circRNA标志物、试剂盒及基因芯片 |
-
2018
- 2018-07-23 CN CN201810812539.5A patent/CN109100461B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101685080A (zh) * | 2008-06-12 | 2010-03-31 | 高尚先 | 一种生物样品中蛋白质组的分析方法 |
CN101901345A (zh) * | 2009-05-27 | 2010-12-01 | 复旦大学 | 一种差异蛋白质组学的分类方法 |
CN105861716A (zh) * | 2016-05-24 | 2016-08-17 | 张理义 | 一种用于抑郁症诊断的circRNA标志物、试剂盒及基因芯片 |
Non-Patent Citations (4)
Title |
---|
Development of Protein Biomarkers for the Authentication of Organic Rice;Ju-Young Lee et al.;《J Appl Biol Chem》;20151231;第58卷(第4期);第355页"Abstract"节,第356-357页"Materials and Methods"节和"Results and Discussion"节,第360页右栏第2段 * |
Differences in proteomic profiles of milk fat globule membrane in yak and cow milk;Xiaoxi Ji et al.;《Food Chemistry》;20161022;第221卷;第1823-1824页第2节,第1824-1825页第3节 * |
Discrimination of conventional and organic rice using untargeted LC-MS-based metabolomics;Ran Xiao et al.;《Journal of Cereal Science》;20180521;第82卷;第73页摘要,第75-76页3.2节,图2 * |
转Bt基因大米与相应亲本大米差异蛋白质组学研究;程娟献 等;《国际药学研究杂志》;20160831;第43卷;768-773页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109100461A (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110057955B (zh) | 乙型肝炎特异性血清标志物的筛选方法 | |
Woo et al. | Three-dimensional feature matching improves coverage for single-cell proteomics based on ion mobility filtering | |
Fang et al. | Differential label-free quantitative proteomic analysis of Shewanella oneidensis cultured under aerobic and suboxic conditions by accurate mass and time tag approach | |
Karpievitch et al. | Liquid chromatography mass spectrometry-based proteomics: biological and technological aspects | |
Sentandreu et al. | A proteomic-based approach for detection of chicken in meat mixes | |
CN110057954B (zh) | 血浆代谢标志物在诊断或监测hbv的应用 | |
Nepomuceno et al. | Accurate identification of deamidated peptides in global proteomics using a quadrupole orbitrap mass spectrometer | |
WO2018133778A1 (zh) | 一种尿蛋白制备方法及尿蛋白质组的检测方法 | |
CN102435680B (zh) | 一种牛血清白蛋白非标记质谱定性、定量检测方法 | |
CN113176361B (zh) | 一种蜂花粉致敏蛋白的鉴定方法及应用 | |
CN109100461B (zh) | 一种利用蛋白组学技术区分有机大米和非有机大米的方法 | |
CN103776891A (zh) | 一种检测差异表达蛋白质的方法 | |
CN101196526A (zh) | 一种结核快速诊断的质谱分析试剂盒和方法 | |
Wither et al. | Mass spectrometry‐based bottom‐up proteomics: Sample preparation, LC‐MS/MS analysis, and database query strategies | |
WO2023082512A1 (zh) | 僵蚕特征多肽以及僵蚕、僵蚕水提物制品和其他僵蚕制品的鉴别方法 | |
CN104182658A (zh) | 一种串联质谱谱图鉴定方法 | |
Zhu et al. | Chi-square comparison of tryptic peptide-to-protein distributions of tandem mass spectrometry from blood with those of random expectation | |
Stalmach et al. | Methods in capillary electrophoresis coupled to mass spectrometry for the identification of clinical proteomic/peptidomic biomarkers in biofluids | |
Möginger et al. | Histo-molecular differentiation of renal cancer subtypes by mass spectrometry imaging and rapid proteome profiling of formalin-fixed paraffin-embedded tumor tissue sections | |
WO2015008453A1 (ja) | 質量分析におけるペプチドピークの同定・定量のためのデータベース作成方法 | |
CN106324115A (zh) | 一种基于二级质谱的全离子监测定量方法 | |
CN117686712A (zh) | 一种基于舌苔微生物蛋白筛查胃癌的方法 | |
Ye et al. | Combinatory strategy using nanoscale proteomics and machine learning for T cell subtyping in peripheral blood of single multiple myeloma patients | |
Guo et al. | Capillary separations enabling tissue proteomics‐based biomarker discovery | |
Lehmann et al. | Comparison of sample preparation techniques and data analysis for the LC‐MS/MS‐based identification of proteins in human follicular fluid |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |