生物质谱在蛋白组学研究中的应用

  蛋白组学通常指由一个细胞、一个组织或一个机体的基因组所表达的全部相应的蛋白质，蛋白组学研究本质上是在大规模水平上研究蛋白质的特征，包括蛋白质的表达水平、翻译后的修饰、蛋白质与蛋白质相互作用等，由此获得蛋白质水平上的关于疾病机理、细胞代谢等过程的整体而全面的认识。

  根据实验的目的，蛋白组学研究可分为定量分析和定性分析两类。蛋白质组学定量分析通常包含绝对定量和相对定量，主要研究不同条件下蛋白表达水平的变化，常用的研究手段同重元素标记、凝胶电泳等。蛋白组学定性研究通常包含蛋白质鉴定、蛋白质互作和蛋白质修饰。生物质谱(MS)已经发展成为识别蛋白质及其异构体的最基本和最流行的工具之一，并通过直接的片段或负责其形成的特定蛋白质分解活动对翻译后修饰进行量化。MS最重要的作用是发现和检测一个完整的蛋白质或复合肽或代用肽的子集。MS可以与多种分离和预分馏技术相结合，以识别目标蛋白/肽，提高识别的准确性和产量。例如2D-PAGE基于电荷和分子量，而液相色谱(LC)基于极性、电荷和蛋白质分子量。尽管2D-PAGE传统上被用作蛋白质组学研究的标准程序，但基于凝胶的技术往往是劳动密集型和耗时的，因此不适合于高通量蛋白质组学。

  相比之下，液相色谱或高效液相色谱(HPLC)可以从复杂的混合物中连续分离数千种蛋白质，并可与质谱结合成为LC-MS，以提高通量。生物质谱能够测量真空中离子的质荷比(m/z)，根据m/z可以准确确定待测样品的分子质量，从而确定其分子组成。将测量所得的蛋白指纹图谱与理论图谱进行比较可实现蛋白匹配鉴定。质谱分析常用的检索工具软件一般包括Mascot，Profound，PeptIdent，PepSra等，而常用的比对数据库包括NCBI、SWISS-PROT、UniProt等。

  参考文献

  [1]Greener JG, Kandathil SM, Moffat L, Jones DT. A guide to machine learning for biologists. Nat Rev Mol Cell Biol. 2022;23(1):40-55. doi:10.1038/s41580-021-00407-0

  [2]McCoubrey LE, Elbadawi M, Orlu M, Gaisford S, Basit AW. Harnessing machine learning for development of microbiome therapeutics. Gut Microbes. 2021;13(1):1-20. doi:10.1080/19490976.2021.1872323

  [3]Sahu M, Gupta R, Ambasta RK, Kumar P. Artificial intelligence and machine learning in precision medicine: A paradigm shift in big data analysis. Prog Mol Biol Transl Sci. 2022;190(1):57-100. doi:10.1016/bs.pmbts.2022.03.002

  [4]Myszczynska MA, Ojamies PN, Lacoste AMB, et al. Applications of machine learning to diagnosis and treatment of neurodegenerative diseases. Nat Rev Neurol. 2020;16(8):440-456. doi:10.1038/s41582-020-0377-8