Навигация по протеомным данным на основе масс-спектрометрии с помощью бесплатных вычислительных инструментов
19 августа 2025 г.
Протеомные данные на основе масс-спектрометрии доступны в открытых базах данных и доступны с помощью бесплатных инструментов. Учитывая сложность поиска и описания баз данных, многим биологам не хватает знаний для использования этих наборов данных. Здесь мы предоставляем руководство по использованию бесплатных инструментов для базового протеомного поиска данных.
Наша работа представляет собой руководство для биологов по анализу сложных протеомных данных с помощью бесплатных инструментов. Мы стремимся дать им возможность проверять результаты и изучать общедоступные наборы данных. Многие биологи не могут использовать общедоступные данные протеома из-за отсутствия четкого руководства.
Наша работа позволяет преодолеть это, обеспечивая валидацию без каких-либо новых экспериментов с дикой природой. В нашей работе используется бесплатное современное программное обеспечение, которое не зависит от поставщика. Эти инструменты быстрее, чувствительнее и обеспечивают более точное обнаружение протеома, чем многие традиционные инструменты.
Для начала скачайте файл эталонного протеома FASTA из базы данных UniProt. Нажмите на кнопку «Добавить FASTA», чтобы загрузить файл эталонного протеома в программное обеспечение DIA-NN. Выберите два варианта: дайджест FASTA для генерации библиотеки с бесплатным поиском и прогнозирование спектров, RT и IM на основе глубокого обучения в разделе генерации ионов прекурсоров.
Затем нажмите на кнопку «Выполнить», чтобы создать прогнозируемую спектральную библиотеку. Снимите флажки с двух вариантов в разделе генерации ионов прекурсоров. Нажмите на кнопку типа, соответствующую формату файла в разделе ввода, чтобы загрузить данные DIA.
Теперь установите точность массы и точность MS1 равными нулю частей на миллион в разделе алгоритма. Настройте диапазон масс прекурсоров и фрагментов в разделе генерации ионов прекурсоров в соответствии с экспериментальной установкой. Оставьте другие настройки программного обеспечения без изменений.
Далее нажмите на кнопку «Запустить». Подождите, пока в интерфейсе операции отобразится окончание, указывая на то, что анализ завершен. Нажмите на иконку осколочной трубы, расположенную в папке bin после установки.
Перейдите на вкладку конфигурации, чтобы просмотреть все зависимые настройки. Проверьте, доступны ли в вашей системе модули MSFragger, IonQuant, diaTracer, DIA-NN и Python. Если какие-либо модули отсутствуют, нажмите «Скачать, обновить» или «Скачать», чтобы восстановить их.
Теперь переключитесь на вкладку рабочего процесса. Выберите значение по умолчанию в раскрывающемся списке рабочего процесса и нажмите кнопку «Загрузить рабочий процесс». Затем нажмите «Добавить файлы», чтобы ввести пути к файлам.
Назначьте название эксперимента и номер биологической репликации в разделе Assign files или оставьте поле пустым. Далее нажмите на вкладку базы данных, чтобы переключиться на нее. Загрузите файл FASTA с диска или скачайте тот, который соответствует образцу вида.
Во время загрузки выберите параметры только для рассмотренных последовательностей, добавьте приманки и добавьте общие загрязнения для простого прогона. Нажмите на вкладку MSFragger, чтобы изменить вид. Выберите закрытый поиск по умолчанию и нажмите на загрузку.
В разделе «Параметры сопоставления пиков» сохраните все значения по умолчанию. Как для калибровки, так и для оптимизации выберите «нет», чтобы сократить время обработки. Для переваривания белка отрегулируйте параметры в соответствии с требованиями эксперимента и сохраните оставшиеся настройки по умолчанию.
Теперь переключитесь на вкладку проверки. Снимите флажки «Прогнозировать RT» и «Прогнозировать спектры», так как эти опции предназначены для рабочих процессов сбора, не зависящих от данных. Перейдите на вкладку quant MS1.
Выберите run MS1 quant, а затем нажмите на load quant defaults. Выберите количество ионов и оставьте все остальные настройки на значениях по умолчанию. Наконец, нажмите на вкладку «Выполнить», чтобы продолжить.
Выберите нужный выходной каталог и нажмите кнопку «Выполнить», чтобы начать анализ данных. У пациентов с протоковой аденокарциномой поджелудочной железы, или PDAC, SERPINA5 и HPSE показали значительно сниженную экспрессию, в то время как FGB продемонстрировал повышенную экспрессию в сыворотке крови по сравнению с нормальными людьми. В образцах опухолей гепатоцеллюлярной карциномы ENO3, PLS3, MTAP, SERPINB9 и ITPR2 показали сниженную экспрессию по сравнению с парными тканями, в то время как ME1, CYP27A1, RPS16 и ATP5PF были значительно увеличены.
Визуализация тепловой карты показала стабильно повышенную экспрессию белка в сыворотке крови пациентов с PDAC по сравнению с нормальными людьми. Анализ обогащения генной онтологии сыворотки PDAC показал значительное усиление процессов, связанных с коагуляцией и гемостазом. ГО-анализ опухолей гепатоцеллюлярной карциномы выявил обогащение нуклеотидных и метаболических процессов, включая метаболизм пуриновых нуклеотидов и метаболические пути НАД.
Анализ обогащения пути KEGG сыворотки PDAC показал значительную активацию каскадного пути комплемента и коагуляции, наряду с деградацией гликозаминогликанов. Анализ KEG в образцах опухолей гепатоцеллюлярной карциномы выявил обогащение сигнализации PPAR, метаболизма углерода и путей нейродегенеративных заболеваний, хотя и с более низкой статистической значимостью. Сеть белок-белковых взаимодействий для повышенной регуляции сывороточных белков PDAC выявила центральный кластер, включающий фактор свертывания крови 11, бета-цепь фибриногена и ингибитор сериновой протеазы плазмы, а также несколько изолированных белков, включая HPSE, антигеноподобные CD5 и CRISP3.
Просмотрите полный транскрипт и получите доступ к тысячам научных видео
Обзор
Данное исследование представляет собой подробное руководство для биологов по анализу сложных протеомных данных с использованием бесплатных современных инструментов.
Основные компоненты исследования
Область исследования
- Протеомика
- Анализ данных
- Биологическая валидация
Теоретические сведения
- Трудности, с которыми сталкиваются биологи при использовании общедоступных протеомных данных из-за их сложности.
- Необходимость в простых и понятных рекомендациях для обеспечения валидации и анализа данных.
- Важность использования эффективных программных инструментов для протеомного анализа, не зависящих от конкретного производителя оборудования.
Используемые методы
- Анализ протеомных данных на основе масс-спектрометрии.
- Использование такого программного обеспечения, как DIA-NN и MSFragger, для обработки данных.
- Рекомендации по загрузке и анализу наборов данных, включая настройки для генерации спектральных библиотек.
Основные результаты
- Идентификация значимых изменений экспрессии генов при протоковой аденокарциноме поджелудочной железы и гепатоцеллюлярной карциноме.
- Визуализация с помощью тепловых карт выявляет отчетливые профили экспрессии белков.
- Анализы GO и KEGG подчеркивают пути, активированные в контексте исследованных видов рака.
Выводы
- Исследование демонстрирует эффективность бесплатного программного обеспечения в развитии протеомного анализа.
- Результаты имеют значение для текущих исследований в области биологии рака и протеомики.
Часто задаваемые вопросы
Практическая значимость для отрасли
Протеомика на основе масс-спектрометрии играет все более центральную роль в ранних этапах открытий и трансляционных исследованиях, однако сложность данных и отсутствие доступных рабочих процессов ограничивают ее широкое внедрение в биофармацевтические исследования и разработки. В данной статье демонстрируется, как бесплатные, независимые от производителя вычислительные инструменты позволяют проводить надежный анализ и валидацию общедоступных протеомных наборов данных, поддерживая исследования, основанные на гипотезах, без необходимости проведения новых экспериментов. Оптимизированные рабочие процессы анализа данных повышают точность прогнозирования и упрощают сравнение различных исследований, что оказывает прямое влияние на процессы валидации мишеней и поиска биомаркеров.
Стратегическое применение в биофармацевтических исследованиях и разработках
Первичный поиск и валидация мишеней
- Позволяет анализировать протеомные наборы данных для функциональной валидации мишеней и анализа сигнальных путей.
- Способствует снижению биологических рисков за счет выявления изменений экспрессии белков в образцах, релевантных заболеванию.
- Облегчает приоритизацию портфеля препаратов путем количественной идентификации дисрегулируемых белков.
Скрининг и разработка анализа
- Подготавливает валидированные списки белков и количественные результаты для последующей разработки анализа.
- Стандартизирует обработку данных с использованием воспроизводимых вычислительных рабочих процессов с открытым исходным кодом.
- Обеспечивает готовность к масштабируемому скринингу за счет использования общедоступных наборов данных и автоматизированных конвейеров анализа.
Трансляционные и доклинические исследования
- Сопоставляет протеомные данные с биологией заболевания и обогащением путей для поиска трансляционных биомаркеров.
- Обеспечивает преемственность от этапа поиска до доклинической валидации путем интеграции общедоступных и проприетарных наборов данных.
- Позволяет снизить механистические риски с помощью анализа путей и сетей дисрегулируемых белков.
Интеграция конвейеров и рабочих процессов
Данный рабочий процесс охватывает анализ данных масс-спектрометрии на всех этапах: от первичного поиска до идентификации ведущих соединений и трансляционных исследований, с использованием общедоступных репозиториев и бесплатных вычислительных инструментов.
- Открывающая биология: Обеспечивает проверку гипотез и уточнение сигнальных путей с использованием курируемых протеомных наборов данных.
- Скрининг: Предоставляет воспроизводимые количественные данные об экспрессии белков для разработки анализов.
- Аналитика: Позволяет создавать графики «вулкан» (volcano plots), тепловые карты и статистику обогащения путей для сравнительного анализа.
- Трансляционные исследования: Связывают изменения на уровне белков с механизмами заболеваний и потенциальными биомаркерами.
- Повторное использование в масштабах предприятия: Создает многократно используемый масштабируемый рабочий процесс для постоянного поиска и валидации протеомных данных.
Операционное и корпоративное воздействие
- Научная ценность: повышает достоверность прогнозов и снижает механистическую неопределенность при валидации мишеней и биомаркеров.
- Операционная ценность: способствует стандартизации, воспроизводимости и масштабируемости процессов в R&D-группах.
- Стратегическая ценность: позволяет принимать обоснованные решения о продолжении или прекращении разработки (go/no-go) и эффективно распределять капитал при развитии портфеля.
- Влияние на портфель: обеспечивает приоритизацию с учетом рисков и кросс-функциональную интеграцию данных.
Особенности реализации
- Требуется опыт в анализе протеомных данных и знакомство с вычислительными инструментами с открытым исходным кодом.
- Необходим доступ к соответствующей вычислительной инфраструктуре и программным зависимостям.
- Требуется межкомандная стандартизация форматов данных и параметров анализа.
- Для различных видов или планов экспериментов может потребоваться адаптация с использованием соответствующих файлов FASTA.
- Результат зависит от качества и полноты общедоступных или внутренних протеомных наборов данных.
