构建缩减转录组信息指导的蛋白质数据库
生成仅包含样本中转录本表达的蛋白质的数据库，用于对比搜索
从公开数据下载样本的转录组和蛋白质组数据，使用TrimGalore进行读段修剪，STAR比对到参考基因组，StringTie或Cufflinks鉴定表达转录本，以FPKM>1为阈值，从Ensembl参考蛋白数据库中筛选出对应转录本表达的蛋白质。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
蛋白质基因组学分析以及转录组信息指导的蛋白质数据库缩减如何及何时增强真核蛋白质组学
An analysis of proteogenomics and how and when transcriptome-informed reduction of protein databases can enhance eukaryotic proteomics
实验完整度
中包含多个样本（Jurkat、Lung、MouseColon、Spleen）的转录组与蛋白质组数据重分析，对比不同数据库搜索策略，但未涉及湿实验功能验证。
主要模型
人类健康肺组织 人类健康脾组织 Jurkat细胞系 小鼠结肠干细胞
重点核对
样本来源：人类肺、脾组织，Jurkat细胞系，小鼠结肠干细胞 数据库构建：基于StringTie或Cufflinks鉴定的表达转录本（FPKM>1）构建缩减数据库 搜索参数：Mascot或MS-GF+，具体参数见补充表S14 FDR控制：TDC与BH程序，FDR水平0.5%、1%、5% 统计设计：比较全数据库与缩减数据库的PSM、肽段、蛋白水平鉴定
摘要
背景：蛋白质基因组学旨在通过搜索转录组或基因组来源的自定义蛋白质数据库，在自下而上的蛋白质组学中识别变异或未知蛋白质。然而，经验观察表明，这些大型蛋白质基因组学数据库会产生灵敏度较低的肽段鉴定。为避免这种情况，人们提出了各种策略，包括生成缩减的转录组信息指导的蛋白质数据库，该数据库仅包含其转录本在样本匹配的转录组中被检测到的蛋白质。这些策略被发现可以提高肽段鉴定灵敏度。在此，我们对这种方法进行了详细评估。结果：我们确定，肽段鉴定灵敏度的提高实际上是一种统计假象，直接源于当使用过小的数据库时，靶标-诱饵竞争法难以准确模拟错误的靶标匹配。由于非保守的错误发现率（FDR）可能妨碍所得生物学结论的稳健性，我们主张采用对数据库大小不太敏感的替代FDR控制方法。尽管如此，缩减的转录组信息指导的数据库仍然有用，因为它们减少了蛋白质鉴定的模糊性，产生更少的共享肽段。此外，搜索参考数据库并随后过滤掉其转录本未表达的蛋白质，可以在相似程度上减少蛋白质鉴定的模糊性，但这种方法更透明、更可重复。结论：总之，使用转录组信息是一个有趣的策略，但它并未因正确的原因而得到推广。虽然通过搜索缩减的转录组信息指导的数据库所带来的肽段鉴定增加是由于使用了不适合过小数据库的FDR控制方法而造成的假象，但转录组信息可以减少蛋白质鉴定的模糊性。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 转录组信息指导的缩减蛋白数据库是否能真正提高肽段鉴定的灵敏度，以及其对蛋白鉴定模糊性的影响
- 核心机制
- 当数据库过小时，靶标-诱饵竞争法（TDC）估计的FDR不准确，导致得分阈值降低，从而产生额外的肽段鉴定，这是一种统计假象。
- 主要证据
- 使用四个样本（Jurkat、Lung、MouseColon、Spleen）的匹配转录组和蛋白质组数据，对比全数据库和缩减数据库搜索，发现TDC在缩减数据库上估计的得分阈值更低，导致94.4%-98.8%的额外光谱鉴定和77.5%-95.2%的额外肽段鉴定是由于较低阈值；使用BH程序控制FDR时，额外鉴定数量大幅减少。
- 研究意义
- 缩减转录组信息指导的数据库不应被用于提高肽段鉴定灵敏度，但可减少蛋白鉴定模糊性；建议使用对数据库大小更稳健的FDR控制方法，如BH程序，并推荐使用事后过滤策略以保持透明性和可重复性。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
比较全数据库与缩减数据库搜索的鉴定结果
评估缩减数据库对PSM、肽段和蛋白鉴定数量的影响
使用Mascot或MS-GF+搜索全蛋白数据库和缩减数据库，用Proline软件进行PSM验证，应用预过滤器（pretty rank、single PSM per rank、最小肽段长度≥7），然后通过TDC或BH程序控制FDR，比较不同数据库搜索的鉴定结果。
分析额外鉴定的来源
确定缩减数据库搜索中额外肽段鉴定的机制
在应用FDR控制前，比较全数据库和缩减数据库搜索中每个谱图的PSM得分，分析重分配（reallocations）情况，并计算不同得分阈值下有效靶标和诱饵的数量。
评估蛋白鉴定模糊性
量化全数据库和缩减数据库搜索中共享肽段和蛋白分组的大小差异
使用二分图和连通分量（CCs）表示肽段到蛋白的映射，计算单蛋白CCs的比例和特异性肽段的比例，比较全数据库和缩减数据库搜索的蛋白组大小。
实施转录组信息指导的事后过滤
比较事后过滤与缩减数据库搜索在减少蛋白鉴定模糊性方面的效果
先搜索全蛋白数据库，使用BH程序控制FDR，然后过滤掉没有转录表达且没有特异性肽段的蛋白质，再计算CCs和特异性肽段比例，与缩减数据库搜索结果进行比较。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 转录组分析 | TrimGalore | -- | -- |
| STAR | -- | -- | |
| StringTie | -- | -- | |
| Cufflinks | -- | -- | |
| 蛋白质组学分析 | Mascot Distiller | Matrix Science | -- |
| Mascot | Matrix Science | -- | |
| MS-GF+ | -- | -- | |
| 蛋白质鉴定后处理 | Proline | -- | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 样本准备 | 样本类型（人类肺、脾组织，Jurkat细胞系，小鼠结肠干细胞） 阅读提示：Methods部分'Proteogenomic datasets description' |
| 转录组处理 | 测序平台（Illumina HiSeq 2000/2500/4000），读长（2×100或2×200），比对软件（STAR），转录本组装软件（StringTie或Cufflinks） 阅读提示：Methods部分'Transcriptome analysis' |
| 蛋白质组数据处理 | 搜索软件（Mascot或MS-GF+），数据库（Ensembl，人类GRCh38，小鼠GRCm39），预过滤器（pretty rank、最小肽段长度≥7），FDR控制（TDC或BH，0.5%/1%/5%） 阅读提示：Methods部分'Proteome analysis' |
| 数据库构建 | 表达转录本阈值（FPKM>1），是否采用StringTie或Cufflinks的输出 阅读提示：Methods部分'Construction of reduced transcriptome-informed protein databases' |
| 蛋白模糊性分析 | 二分图构建方法，连通分量计算软件（R包net4pg） 阅读提示：Methods部分'Bipartite peptide-protein graphs and connected components' |
| 事后过滤 | 过滤标准（无转录表达且无特异性肽段是否必须同时满足） 阅读提示：Methods部分'Transcriptome-informed post hoc filtering' |