化学：聚类是照亮黑暗蛋白质组的关键！
大多数质谱研究试图识别肽谱匹配（PSM）并经常忽略谱谱匹配（SSM），特别是如果没有建立这些SSM的PSM。然而，当未识别相应的肽时，SSM也是有用的，因为它们允许研究人员交叉参考由不同研究人员生成的光谱并查询针对单个储存库生成的所有光谱。光谱库本质上是PSM的数据库，而光谱档案是PSM和SSM的数据库。尽管PSM的构建（通过串联质谱数据库搜索）是一个经过充分研究的主题，但构建所有SSM代表了一个令人生畏的聚类问题。该图揭示了相似性，并突出了光谱库和光谱档案的结构（左）和使用（右）之间的差异。通过存档，研究人员首先进行聚类，然后针对蛋白质数据库搜索聚类以生成肽聚类匹配（PCM）。反过来，这些PCM传播到所识别的簇中的所有光谱以生成PSM。利用该库，研究人员首先针对蛋白质数据库搜索光谱以生成PSM，对应于相同肽的PSM组，并最终将策划的共有PSM沉积在光谱库中。然后，光谱库可用于识别来自新光谱数据集的光谱。这些PCM传播到所识别的簇中的所有光谱以生成PSM。利用该库，研究人员首先针对蛋白质数据库搜索光谱以生成PSM，对应于相同肽的PSM组，并最终将策划的共有PSM沉积在光谱库中。然后，光谱库可用于识别来自新光谱数据集的光谱。这些PCM传播到所识别的簇中的所有光谱以生成PSM。利用该库，研究人员首先针对蛋白质数据库搜索光谱以生成PSM，对应于相同肽的PSM组，并最终将策划的共有PSM沉积在光谱库中。然后，光谱库可用于识别来自新光谱数据集的光谱。
一种组织以前未使用的蛋白质组学研究质谱的新方法，使科学家能够利用这些光谱获得更多有关各种生物体蛋白质的信息。来自加利福尼亚大学圣地亚哥分校和太平洋西北国家实验室的科学家们在2001年至2009年期间从PNNL获得的超过10亿个质谱中创建了一个巨大的光谱档案。他们在7月出版的“ 自然方法”中描述了他们的方法。
近年来，蛋白质组学实验产生的串联质谱数据量急剧增加。各种实验室通常测量相同肽的多个，几乎相同的质谱。科学家将光谱与存在于已知蛋白质序列数据库中的肽进行比较。然后，他们使用各种评分方法评估所得到的匹配，以便为肽谱指定同一性。可以将大量光谱组织成光谱库，其中可以进行其他光谱比较，从而提高用于蛋白质鉴定的肽分配的有效性。
但那些没有确定的光谱呢？那些与已知肽无关的那些？通常，忽略或丢弃未识别的光谱，因为它们对研究人员的价值有限，因为蛋白质未被识别。结果，很大一部分蛋白质仍然未被鉴定，构成了未知内容的有效“暗蛋白质组”。
黑暗蛋白质组的光照是UCSD / PNNL团队进入的地方。虽然光谱库丢弃了未识别的光谱，但光谱档案使用所有质谱 - 已识别或未识别的聚类（参见“光谱档案互补光谱库”）。科学家们不仅展示了构建大型档案的可行性及其在普通肽鉴定中的基本用途，他们现在开发了新的应用程序，因为可以从整体上分析各种数据集。
“我们相信光谱档案可以通过激励正在分析看似无关数据的研究人员分享这些数据来改变蛋白质组学的本质，”资深作者，加州大学圣地亚哥分校的Pavel Pevzner博士说。“这样做可以提高两种光谱数据集解释的质量。”
通过档案，研究人员可以识别来自不同生物的光谱簇。除了表明这些光谱是有趣的 - 因为它们可能表明蛋白质存在于多个物种上 - 这一事实可用于减少有效的蛋白质数据库大小，从而产生新的，有信心的肽和蛋白质鉴定。该团队还表明，可以自信地识别短肽（短于7个氨基酸），这对于通常使用的方法来说要困难得多。
该团队使用的PNNL质谱数据包括取自100多种生物的各种样品，包括人类，普通家鼠和金属还原菌Shewanella oneidensis。研究小组开发了一种聚类工具MS-Cluster，它从PNNL的~11.8亿个光谱中生成了一个光谱存档。该存档大大超过了现有光谱存储库的大小。
为了评估光谱档案是否可以增加肽鉴定，研究人员从微生物S. oneidensis中选择了1450万个光谱的子集，并用它们构建了一个档案。他们通过将数据集分成五组~290万个光谱然后逐步将每组光谱添加到存档中来实现这一点。在每个阶段，他们通过搜索档案中的聚类与通过常规数据库搜索方法获得的数量来比较蛋白质和独特肽鉴定的数量。
该档案一直产生更多独特的肽和蛋白质鉴定。通过存档，科学家们还能够通过其群集成员识别更多的光谱。在不同阶段，他们通过群集成员资格比通过常规数据库搜索确定了多50-75％的光谱。该研究还强调了大量无法获得肽和蛋白质鉴定的光谱，为使用实验和计算方法确定迄今为止蛋白质组学研究中有效忽略的大量肽段打开了大门。
閱讀更多 獨攬風花雪月 的文章
