Name: a fast and quantitative method for post-translational modification and variant enabled mapping of peptides to genomes
Uploaded: 2018-05-22T14:30:00
Duration: 9 min 10 s
Description: Watch this Scientific Journal Video about A Fast and Quantitative Method for Post-translational Modification and Variant Enabled Mapping of Peptides to Genomes at JoVE.com

Diese Arbeit wurde von der Wellcome Trust (WT098051) und der NIH Grant (U41HG007234) zum GENCODE Projekt finanziert.

<ol>
	<li>Aebersold, R., Mann, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mass-spectrometric+exploration+of+proteome+structure+and+function.">Mass-spectrometric exploration of proteome structure and function.</a> Nature. 537 (7620), 347-355 (2016).</li><li>Mertins, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Proteogenomics+connects+somatic+mutations+to+signalling+in+breast+cancer.">Proteogenomics connects somatic mutations to signalling in breast cancer.</a> Nature. 534 (7605), 55-62 (2016).</li><li>Zhang, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Integrated+proteogenomic+characterization+of+human+high-grade+serous+ovarian+cancer.">Integrated proteogenomic characterization of human high-grade serous ovarian cancer.</a> Cell. 166 (3), 755-765 (2016).</li><li>Jaffe, J. D., Berg, H. C., Church, G. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Proteogenomic+mapping+as+a+complementary+method+to+perform+genome+annotation.">Proteogenomic mapping as a complementary method to perform genome annotation.</a> Proteomics. 4 (1), 59-77 (2004).</li><li>Wilhelm, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Mass-spectrometry-based+draft+of+the+human+proteome.">Mass-spectrometry-based draft of the human proteome.</a> Nature. 509 (7502), 582-587 (2014).</li><li>Kim, M. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+draft+map+of+the+human+proteome.">A draft map of the human proteome.</a> Nature. 509 (7502), 575-581 (2014).</li><li>Wright, J. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Improving+GENCODE+reference+gene+annotation+using+a+high-stringency+proteogenomics+workflow.">Improving GENCODE reference gene annotation using a high-stringency proteogenomics workflow.</a> Nature Communications. 7, 11778 (2016).</li><li>Nesvizhskii, A. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Proteogenomics:+concepts,+applications+and+computational+strategies.">Proteogenomics: concepts, applications and computational strategies.</a> Nature Methods. 11 (11), 1114-1125 (2014).</li><li>Armengaud, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Non-model+organisms,+a+species+endangered+by+proteogenomics.">Non-model organisms, a species endangered by proteogenomics.</a> Journal of Proteomics. 105, 5-18 (2014).</li><li>Askenazi, M., Ruggles, K. V., Fenyo, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=PGx:+putting+peptides+to+BED.">PGx: putting peptides to BED.</a> Journal of Proteome Research. 15 (3), 795-799 (2016).</li><li>Choi, S., Kim, H., Paek, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=ACTG:+novel+peptide+mapping+onto+gene+models.">ACTG: novel peptide mapping onto gene models.</a> Bioinformatics. 33 (8), 1218-1220 (2017).</li><li>Ghali, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=ProteoAnnotator-open+source+proteogenomics+annotation+software+supporting+PSI+standards.">ProteoAnnotator-open source proteogenomics annotation software supporting PSI standards.</a> Proteomics. 14 (23-24), 2731-2741 (2014).</li><li>Has, C., Lashin, S. A., Kochetov, A. V., Allmer, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=PGMiner+reloaded,+fully+automated+proteogenomic+annotation+tool+linking+genomes+to+proteomes.">PGMiner reloaded, fully automated proteogenomic annotation tool linking genomes to proteomes.</a> Journal of Integrative Bioinformatics. 13 (4), 293 (2016).</li><li>Kuhring, M., Renard, B. Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=iPiG:+integrating+peptide+spectrum+matches+into+genome+browser+visualizations.">iPiG: integrating peptide spectrum matches into genome browser visualizations.</a> PLoS One. 7 (12), e50246 (2012).</li><li>Pang, C. N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Tools+to+covisualize+and+coanalyze+proteomic+data+with+genomes+and+transcriptomes:+validation+of+genes+and+alternative+mRNA+splicing.">Tools to covisualize and coanalyze proteomic data with genomes and transcriptomes: validation of genes and alternative mRNA splicing.</a> Journal of Proteome Research. 13 (1), 84-98 (2014).</li><li>Sanders, W. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+proteogenomic+mapping+tool.">The proteogenomic mapping tool.</a> BMC Bioinformatics. 12 (115), (2011).</li><li>Wang, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=ProBAMsuite,+a+bioinformatics+framework+for+genome-based+representation+and+analysis+of+proteomics+data.">ProBAMsuite, a bioinformatics framework for genome-based representation and analysis of proteomics data.</a> Molecular &amp; Cellular Proteomics. 15 (3), 1164-1175 (2016).</li><li>Schlaffner, C. N., Pirklbauer, G. J., Bender, A., Choudhary, J. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fast,+quantitative+and+variant+enabled+mapping+of+peptides+to+genomes.">Fast, quantitative and variant enabled mapping of peptides to genomes.</a> Cell Systems. 5 (2), 152-156 (2017).</li><li>Vizcaino, J. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+PRoteomics+IDEntifications+(PRIDE)+database+and+associated+tools:+status+in+2013.">The PRoteomics IDEntifications (PRIDE) database and associated tools: status in 2013.</a> Nucleic Acids Research. 41, D1063-D1069 (2013).</li><li>Aken, B. L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ensembl+2017.">Ensembl 2017.</a> Nucleic Acids Research. 45 (D1), D635-D642 (2017).</li><li>Perez-Riverol, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ms-data-core-api:+an+open-source,+metadata-oriented+library+for+computational+proteomics.">Ms-data-core-api: an open-source, metadata-oriented library for computational proteomics.</a> Bioinformatics. 31 (17), 2903-2905 (2015).</li><li>Wang, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multi-protease+strategy+identifies+three+PE2+missing+proteins+in+human+testis+tissue.">Multi-protease strategy identifies three PE2 missing proteins in human testis tissue.</a> Journal of Proteome Research. , (2017).</li><li>Greseth, M. D., Carter, D. C., Terhune, S. S., Traktman, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Proteomic+screen+for+cellular+targets+of+the+vaccinia+virus+F10+protein+kinase+reveals+that+phosphorylation+of+mDia+regulates+stress+fiber+formation.">Proteomic screen for cellular targets of the vaccinia virus F10 protein kinase reveals that phosphorylation of mDia regulates stress fiber formation.</a> Molecular &amp; Cellular Proteomics. 16 (4 Suppl 1), S124-S143 (2017).</li><li>Thorvaldsdottir, H., Robinson, J. T., Mesirov, J. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Integrative+genomics+viewer+(IGV):+high-performance+genomics+data+visualization+and+exploration.">Integrative genomics viewer (IGV): high-performance genomics data visualization and exploration.</a> Briefings in Bioinformatics. 14 (2), 178-192 (2013).</li><li>Kent, W. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+human+genome+browser+at+UCSC.">The human genome browser at UCSC.</a> Genome Research. 12 (6), 996-1006 (2002).</li><li>The R Development Core Team. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> R: A Language and Environment for Statistical Computing. , (2008).</li><li>Kent, W. J., Zweig, A. S., Barber, G., Hinrichs, A. S., Karolchik, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=BigWig+and+BigBed:+enabling+browsing+of+large+distributed+datasets.">BigWig and BigBed: enabling browsing of large distributed datasets.</a> Bioinformatics. 26 (17), 2204-2207 (2010).</li><li>Down, T. A., Piipari, M., Hubbard, T. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dalliance:+interactive+genome+viewing+on+the+web.">Dalliance: interactive genome viewing on the web.</a> Bioinformatics. 27 (6), 889-890 (2011).</li><li>Roumeliotis, T. I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Genomic+determinants+of+protein+abundance+variation+in+colorectal+cancer+cells.">Genomic determinants of protein abundance variation in colorectal cancer cells.</a> Cell Reports. 20 (9), 2201-2214 (2017).</li><li>Gaudet, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+neXtProt+knowledgebase+on+human+proteins:+2017+update.">The neXtProt knowledgebase on human proteins: 2017 update.</a> Nucleic Acids Research. 45, D177-D182 (2017).</li><li>Fermin, D., Walmsley, S. J., Gingras, A. C., Choi, H., Nesvizhskii, A. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=LuciPHOr:+algorithm+for+phosphorylation+site+localization+with+false+localization+rate+estimation+using+modified+target-decoy+approach.">LuciPHOr: algorithm for phosphorylation site localization with false localization rate estimation using modified target-decoy approach.</a> Molecular &amp; Cellular Proteomics. 12 (11), 3409-3419 (2013).</li><li>Fermin, D., Avtonomov, D., Choi, H., Nesvizhskii, A. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=LuciPHOr2:+site+localization+of+generic+post-translational+modifications+from+tandem+mass+spectrometry+data.">LuciPHOr2: site localization of generic post-translational modifications from tandem mass spectrometry data.</a> Bioinformatics. 31 (7), 1141-1143 (2015).</li><li>Hansen, T. A., Sylvester, M., Jensen, O. N., Kjeldsen, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+and+high+confidence+protein+phosphorylation+site+localization+using+complementary+collision-activated+dissociation+and+electron+transfer+dissociation+tandem+mass+spectrometry.">Automated and high confidence protein phosphorylation site localization using complementary collision-activated dissociation and electron transfer dissociation tandem mass spectrometry.</a> Analytical Chemistry. 84 (22), 9694-9699 (2012).</li><li>Taus, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Universal+and+confident+phosphorylation+site+localization+using+phosphoRS.">Universal and confident phosphorylation site localization using phosphoRS.</a> Journal of Proteome Research. 10 (12), 5354-5362 (2011).</li><li>Weisser, H., Wright, J. C., Mudge, J. M., Gutenbrunner, P., Choudhary, J. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Flexible+data+analysis+pipeline+for+high-confidence+proteogenomics.">Flexible data analysis pipeline for high-confidence proteogenomics.</a> Journal of Proteome Research. 15 (12), 4686-4695 (2016).</li></ol>

Die Autoren haben nichts preisgeben.

Dieses Protokoll beschreibt, wie das Software-Tool PoGo und seiner grafischen Benutzeroberfläche PoGoGUI eine schnelle Zuordnung der Peptide auf Genom-Koordinaten ermöglichen. Das Tool bietet einzigartige Features wie quantitative, Post-translationale Modifikation und Variante-fähigen Mapping mit Genomen mit Referenz-Beschriftung. Dieser Artikel veranschaulicht die Methode auf eine groß angelegte Proteogenomic-Studie und unterstreicht seine Geschwindigkeit und Effizienz im Vergleich zu anderen verfügbaren Tools18. In Kombination mit dem Tool TrackHubGenerator, schafft die online zugängliche Naben der genomischen und Genom verknüpft Daten, PoGo, mit seiner grafischen Benutzeroberfläche ermöglicht großflächige Proteogenomics Studien, ihre Daten in Zusammenhang mit genomischen schnell zu visualisieren. Darüber hinaus zeigen wir Ihnen die Besonderheiten des PoGo mit Datensätzen gesucht gegen Variante Datenbanken und quantitative Phosphoproteomics22,29.
Einzelne Dateien, z. B. die GCT-Datei bieten wertvolle Visualisierung und Links zwischen Peptid-Features und genomic Loci. Es ist jedoch wichtig zu beachten, dass eine Interpretation anhand dieser allein schwierig oder aufgrund ihrer Beschränkung auf einzelne Aspekte der Proteogenomics wie Einzigartigkeit, Post-translationalen Modifikationen und quantitative Werte irreführend sein kann. Daher ist es wichtig, sorgfältig zu wählen, welche Ausgabedateien, Optionen und Kombinationen eignen sich für die Proteogenomic-Frage auf der hand, und ändern Sie die Kombinationen. Z. B. möglicherweise Informationen über die Einzigartigkeit der Zuordnung zu einer spezifischen genomischen Locus von großem Wert für die Kommentierung der genomischen Funktion7, während die Quantifizierung über verschiedene Proben für Untersuchungen im Zusammenhang mit angebrachter sein könnte genomische-Features, Änderungen im Protein Fülle29. Die Ausgabe sollte für jede Einstellung von PoGo generiert. Für den Fall, dass keine Ausgabe generiert wird, oder leere Dateien im Ordner "Ausgabe" angezeigt werden, es empfiehlt sich, die input-Dateien für den gewünschten Inhalt und das gewünschte Dateiformat zu überprüfen. In Fällen, wo die Datei-Format oder den Inhalt nicht die Erwartungen der PoGo folgt (z. B.die FASTA-Datei angeblich mit der Abschrift Übersetzung Sequenzen enthält die Nukleotidsequenzen der Abschriften), Fehlermeldungen angezeigt werden, bitten Sie den Benutzer Überprüfen Sie die Eingaben-Dateien.
Einschränkungen des Protokolls und das Tool basieren meist auf die Wiederverwendung von Dateiformaten, die allgemein verwendet in der Genomik. Neuorientierung in der Genomik für Proteogenomic-Anwendungen verwendet Dateiformate wird begleitet von besonderen Beschränkungen. Diese werden durch die unterschiedlichen Sets von Anforderungen für Genom zentriert Visualisierung der genomischen und Proteogenomic Daten, wie zum Beispiel die Notwendigkeit, Post-translationalen Modifikationen von Proteomics-Daten zu visualisieren. Dies ist in den Dateiformaten Genomics durch Nutzung der einzelnen Features eingeschränkt. Viele Ansätze und Werkzeuge wurden für Proteomics, Post-translationalen Modifikationen innerhalb Peptid Sequenzen31,32,33,34selbstbewusst zu lokalisieren. Jedoch ist die Visualisierung von mehreren Änderungen in eine einzigartige und erkennbare Weise über das Genom durch die Struktur der genomischen Dateiformate behindert. Daher die Einzelsatz-Visualisierung von mehreren PTMs des gleichen Typs stellt keine Unklarheiten in der Modifikation Seiten aber ergibt sich aus der unterschiedlichen Anforderung aus der Genomik-Community, nur einzelne Funktionen gleichzeitig visualisieren. PoGo hat jedoch den Vorteil der Zuordnung Post-translationalen Modifikationen auf genomische Koordinaten, Studien über die Wirkung von genomischen Features wie Einzel-Nukleotid-Varianten auf Post-translationalen Modifikationen zu ermöglichen. Variant-Mapping erhöht mit PoGo, die Anzahl der insgesamt Zuordnungen. Allerdings zeigt die einzigartige Farbcodierung der zugeordneten Peptide zuverlässige Zuordnungen von unzuverlässigen. Die Zuordnung der variant Peptide identifiziert aus bekannten Einzel-Nukleotid-Varianten kann durch die Visualisierung der zugeordneten Peptide neben den Varianten im VCF-Format begleitet werden. Auf diese Weise den Farbcode zeigt eine unzuverlässige Zuordnung der variant Peptid wird durch die Anwesenheit von bekannten Nukleotid-Variante überstimmt.
Ein entscheidender Schritt für die Verwendung von PoGo ist die Verwendung der richtigen Dateien und Formate. Die Verwendung von übersetzte Abschrift Sequenzen als Proteinsequenzen, die Anmerkung im GTF-Format zu begleiten ist das Hauptkriterium. Ein weiteres wichtiges Element, wenn man bedenkt, mit PoGo Peptide mit Aminosäure Fehlanpassungen zu zuordnen ist Erinnerung. Während Speicher hocheffizient für eine Standardanwendung, führt die deutlich und exponentiell zunehmende Zahl von möglichen Zuordnungen mit ein oder zwei Fehlanpassungen zu einem ähnlich exponentiellen Anstieg der Speicher Verbrauch18. Wir schlagen eine inszenierte Zuordnung, wie beschrieben in diesem Protokoll zunächst Karte die Peptide ohne Fehlanpassungen und entfernen sie aus dem Satz. Die nachfolgenden bisher nicht zugeordnete Peptide dann abgebildet werden können mit einem Missverhältnis und das Verfahren kann mit zwei Abweichungen für die verbleibenden nicht zugeordnete Peptide wiederholt werden.
Da der Durchsatz der Massenspektrometrie deutlich gestiegen ist und Studien Anbindung genomic und Proteomic Daten häufiger in den letzten Jahren immer werden, sind Hilfsmittel, ohne weiteres erlauben solche Daten im gleichen Koordinatensystem Anbindung zunehmend unverzichtbar. Das hier vorgestellte Tool hilft die Notwendigkeit, genomische kombinieren und Proteomic Daten zu verbessern, ein besseres Verständnis der integrativen Studien über kleine und große Datenmengen durch die Zuordnung der Peptide auf eine Referenz-Beschriftung. Erfreulicherweise ist PoGo angewendet worden, um Peptide gen Kandidaten zur Verfügung gestellt, in das gleiche Format wie die Referenz-Anmerkung Anmerkung Anstrengungen der neuartige Gene in menschliche Hoden35unterstützen zuzuordnen. Der hier vorgestellte Ansatz ist unabhängig von Datenbanken für Peptid Identifikation verwendet. Das Protokoll möglicherweise Hilfe bei der Identifizierung und Visualisierung von Roman Übersetzung Produkte mithilfe von Eingabedateien von Übersetzung Sequenzen angepasst und damit verbundenen GTF Dateien von RNA-Seq-Experimente.
Mehrere Ansätze und Instrumente mit einer breiten Palette von speziellen Anwendungsszenarien genomische Koordinaten, angefangen bei Peptiden die Genomsequenz RNA-Sequenzierung geführte Zuordnung direkt zuordnen Peptide zuordnen wurden eingeführte10, 11 , 12 , 13 , 14 , 15 , 16 , 17. jedoch können diese Resultate in eine Nichtbeachtung der Peptide korrekt zuordnen, wenn Post-translationalen Modifikationen vorhanden sind und Fehler in der zugrunde liegenden Zuordnung des RNA-Sequenzierung lautet auf die Peptid-Ebene weitergegeben werden können. PoGo wurde entwickelt, speziell jene Hindernisse zu überwinden und zu bewältigen, die rasche Zunahme des quantitativen hochauflösenden Proteomic Datasets mit orthogonalen Genomics Plattformen zu integrieren. Das hier beschriebene Werkzeug kann Hochdurchsatz-Workflows integriert werden. Über die grafische Oberfläche PoGoGUI das Tool ist einfach zu bedienen und erfordert keine spezielle Bioinformatik Ausbildung.

In Zellen Genom, Transkriptom und Proteom beeinflussen sich gegenseitig, um eine Reaktion auf interne und externe Reize zu modulieren und beeinflussen sich gegenseitig, bestimmte Aufgaben zu Gesundheit und Krankheit. Charakterisierung und Quantifizierung von Genen, Abschriften und Proteinen ist demzufolge entscheidend für zelluläre Prozesse vollständig zu verstehen. Next Generation Sequencing (NGS) ist eines der am häufigsten angewandten Strategien zu identifizieren und quantifizieren gen und Transkript Ausdruck. Protein-Expression wird jedoch häufig durch Massenspektrometrie (MS) bewertet. Bedeutende Fortschritte in der MS-Technologie in den letzten zehn Jahren hat es mehr eine vollständige Identifizierung und Quantifizierung der Proteome, sodass die Daten vergleichbar mit Transkriptom1ermöglicht. Proteogenomics und Multi-Omics als Mittel zur Integration von NGS und MS Daten geworden leistungsfähige Ansätze über mehrere Molekulare Ebenen, zelluläre Prozesse einzuschätzen Subtypen von Krebs zu erkennen und führt zu neuartigen mögliche Drogeziele Krebs2 , 3. es ist wichtig zu beachten, dass Proteogenomics wurde zunächst zur Proteomic gen und Transkript Anmerkungen4belegen. Mehrere vorher gedacht, um nicht-kodierende Gene wurden erst kürzlich eine erneute Bewertung unter Berücksichtigung der großen menschlichen Gewebes Datasets5,6,7durchgemacht. Darüber hinaus werden Proteomic Daten erfolgreich zur Annotation unterstützen-Modellorganismen8,9. Jedoch Proteogenomic-Daten-Integration weiter Höhepunkt Proteinexpression in Bezug auf genomische Funktionen genutzt werden kann und Übersprechen zwischen Transkripte und Proteine zu erhellen, indem Sie eine kombinierte Bezugssystem und Methoden für Co-Visualisierung.
Um einen gemeinsamen Referenzrahmen für Proteomics, Transkriptom und Genomik Daten zu gewährleisten, wurden zahlreiche Werkzeuge für Zuordnung Peptide identifiziert durch MS auf Genom Koordinaten10,11,12 implementiert ,13,14,15,16,17. Ansätze unterscheiden sich in Aspekten wie Zuordnung Referenz, Unterstützung von Genom-Browsern und Grad der Integration mit anderen Proteomics-Tools wie in Abbildung 1dargestellt. Während einige Tools reverse übersetzten Peptide auf ein Genom16Karte, verwenden andere eine Suchmaschine kommentiert Position im Protein und gen Annotation, um die Nukleotidsequenz der Peptid-15zu rekonstruieren. Noch verwenden andere 3 oder 6-Rahmen Übersetzung des Genoms Peptide gegen11,13zuordnen. Zu guter Letzt mehrere Tools überspringen die Nukleotidsequenzen und Verwendung Aminosäure-Sequenz Übersetzungen von RNA-Sequenzierung abgebildet Transkripte als Zwischenprodukt der zugehörigen Genom Koordinaten10,12Peptide zuordnen, 14,17. Aber die Übersetzung von Nukleotidsequenzen ist ein langsamer Prozess und benutzerdefinierte Datenbanken sind anfällig für Fehler, die an das Peptid Mapping weitergegeben. Für schnelle und Hochdurchsatz-Mapping ist eine kleine und umfassende Referenz entscheidend. Daher unbedingt eine standardisierte Protein-Referenz mit zugehörigen Genom Koordinaten für genaue Peptid Genom Zuordnung. Neue Aspekte in Proteogenomics, wie die Einbeziehung von Varianten und Post-translationalen Modifikationen (PTMs)2,3, werden durch neuere Studien immer wichtiger. Jedoch sind diese im Allgemeinen nicht unterstützt von aktuellen Proteogenomic mapping-Tools wie in Abbildung 1dargestellt. Zur Verbesserung der Geschwindigkeit und Qualität des Mappings wurde PoGo entwickelt, ein Tool, das die schnelle und quantitative Zuordnung von Peptiden, Genome18. Darüber hinaus ermöglicht PoGo die Zuordnung von Peptiden mit bis zu zwei Sequenzvarianten und kommentierten Post-translationalen Modifikationen.
PoGo wurde entwickelt, um mit der raschen Zunahme der quantitativen hochauflösenden Datasets Erfassung Proteome und globale Änderungen zu bewältigen und bietet ein zentrale Dienstprogramm für groß angelegte Analysen wie persönliche Variation und präzisionsmedizin. Dieser Artikel beschreibt die Anwendung dieses Instruments, das Vorhandensein von Post-translationale Modifikation in Bezug auf genomische Funktionen zu visualisieren. Darüber hinaus unterstreicht dieses Artikels die Identifizierung von alternativen Spleißen Ereignisse durch zugeordnete Peptide und die Zuordnung von Peptiden, die durch benutzerdefinierte Variante Datenbanken zu einer Referenz-Genoms identifiziert. Dieses Protokoll setzt öffentlich verfügbare Datensätzen heruntergeladen vom stolz Archiv19 um diese Funktionalitäten der PoGo zu demonstrieren. Dieses Protokoll beschreibt darüber hinaus die Anwendung von TrackHubGenerator für die Erstellung von online-zugänglichen Naben von Peptiden zugeordnet Genome für groß angelegte Proteogenomics Studien.

<table border="0" cellpadding="0" cellspacing="0" width="1054">
	<tbody>
		<tr height="40">
			<td height="40" style="height:40px;width:215px;">PoGo (software)</td>
			<td style="width:123px;">NA</td>
			<td style="width:344px;">NA</td>
			<td style="width:373px;">https://github.com/cschlaffner/PoGo</td>
		</tr>
		<tr height="40">
			<td height="40" style="height:40px;">PoGoGUI (software)</td>
			<td>NA</td>
			<td>NA</td>
			<td>https://github.com/cschlaffner/PoGoGUI</td>
		</tr>
		<tr height="40">
			<td height="40" style="height:40px;">TrackHubGenerator (software)</td>
			<td>NA</td>
			<td>NA</td>
			<td>https://github.com/cschlaffner/TrackHubGenerator</td>
		</tr>
		<tr height="40">
			<td height="40" style="height:40px;">Integrative Genomics Viewer (software)</td>
			<td>NA</td>
			<td>NA</td>
			<td>http://software.broadinstitute.org/software/igv/</td>
		</tr>
		<tr height="40">
			<td height="40" style="height:40px;">UCSC genome browser (website)</td>
			<td>NA</td>
			<td>NA</td>
			<td>https://genome.ucsc.edu/</td>
		</tr>
		<tr height="40">
			<td height="40" style="height:40px;">GENCODE (website)</td>
			<td>NA</td>
			<td>NA</td>
			<td>http://gencodegenes.org</td>
		</tr>
		<tr height="40">
			<td height="40" style="height:40px;">Ensembl (website)</td>
			<td>NA</td>
			<td>NA</td>
			<td>http://ensembl.org</td>
		</tr>
		<tr height="40">
			<td height="40" style="height:40px;">bedToBigBed (software)</td>
			<td>NA</td>
			<td>NA</td>
			<td>http://hgdownload.soe.ucsc.edu/admin/exe/</td>
		</tr>
		<tr height="40">
			<td height="40" style="height:40px;">fetchChromSizes.sh (software)</td>
			<td>NA</td>
			<td>NA</td>
			<td>http://hgdownload.soe.ucsc.edu/admin/exe/</td>
		</tr>
	</tbody>
</table>

a fast and quantitative method for post-translational modification and variant enabled mapping of peptides to genomes

Übersprechen zwischen Genen, Abschriften und Proteinen ist der Schlüssel zur zellulären Reaktionen; Daher wird Analyse der molekularen Niveaus als getrennte Einheiten für integrative Studien um das Verständnis der molekularen Dynamik innerhalb der Zellen zu verbessern langsam ausgebaut. Aktuellen Tools für die Visualisierung und die Integration der Proteomik mit anderen Omics-Datasets sind unzureichend für groß angelegte Studien. Darüber hinaus erfassen sie nur grundlegende Sequenz identifiziert haben, verwerfen, Post-translationalen Modifikationen und Quantifizierung. Um diese Probleme anzugehen, entwickelten wir PoGo um Peptide mit zugehörigen Post-translationalen Modifikationen und Quantifizierung Genom Anmerkung verweisen zuzuordnen. Darüber hinaus wurde das Tool entwickelt, um die Zuordnung der Peptide identifiziert von angepassten Sequenzdatenbanken integrieren einzelne Aminosäure Varianten ermöglichen. PoGo ist ein Kommandozeilen-Tool, ermöglicht die grafische Oberfläche PoGoGUI nicht Bioinformatik Forschern problemlos Peptide 25 Arten von Ensembl Genome Annotation unterstützt zugeordnet. Die generierte Ausgabe leiht Datei-Formate aus dem Bereich Genomik und Visualisierung wird daher in den meisten Genom-Browsern unterstützt. Für groß angelegte Studien gestützt PoGo TrackHubGenerator Web zugänglichen Sammlungen von Daten zugeordnet, Genome, die es auch ermöglichen eine einfache Weitergabe von Proteogenomics Daten zu erstellen. Mit wenig Aufwand kann dieses Tool Millionen von Peptiden Genome in nur wenigen Minuten verweisen übertrifft andere Tools verfügbar-Sequenz-Identität zuordnen. Dieses Protokoll zeigt die besten Ansätze für die Proteogenomics Zuordnung durch PoGo mit öffentlich verfügbaren Datensätzen der quantitativen sowie Phosphoproteomics und groß angelegte Studien.

Eine grafische Darstellung Hervorhebung auf der Bühne eines regelmäßigen Proteomic Workflows PoGo18 , sowie nachgeschaltete Möglichkeiten der Visualisierung angewendet ist, ist in Abbildung 5dargestellt. Schrotflinte Proteomics (d.h. die proteolytische Verdauung von Proteinen, gefolgt von Flüssigkeitschromatographie gekoppelt mit Tandem-Massenspektrometrie) ist eine vorausgehende Schritt Proteogenomic Mapping. Die daraus resultierende Tandem Massenspektren werden häufig mit theoretischen Spektren abgeleitet von Protein Sequenzdatenbanken verglichen. Proteogenomics Studien vorstellen Übersetzung Sequenzen von neuartigen Protokolle mit Codierung Potenzial und nicht Synonym für Einzel-Nukleotid-Varianten (SNVs) in der Datenbank, so dass es schwer zu leicht diese wieder auf die Referenz-Genom-8beziehen. Die grafische Benutzeroberfläche von PoGo (PoGoGUI) unterstützt Datei-Formate für die standardisierte Meldung von Peptid Identifikationen von Massenspektrometrie Experimente und wandelt sie in das vereinfachte 4-Säulen-Pogo-Format. PoGoGUI umschließt das Kommandozeilen-Tool PoGo und ermöglicht so die Zuordnung von Peptiden auf Genom-Koordinaten mit Hilfe der Referenz-Annotation von Protein-kodierenden Gene, die häufig in den GTF und übersetzte Abschrift Sequenzen im FASTA-Format zur Verfügung gestellt. Verschiedene Ausgabeformate entstehen durch PoGo ermöglichen die Visualisierung der verschiedenen Aspekte der Peptide identifiziert durch Massenspektrometrie, einschließlich Post-translationalen Modifikationen und Peptid Ebene Quantifizierung. Ausgabedateien im Bett können weiter umgewandelt und in online-zugänglichen Verzeichnisse namens Track Naben kombiniert werden. Einzelne Ausgabedateien sowie Track Naben können dann im Browser wie z. B. der UCSC Genome Browser25, Ensembl Genome Browser20IGV24und Biodalliance28 (siehe Abbildung 5 unten) visualisiert werden.
Wir PoGo auf der Reanalyse des Entwurfs des menschlichen Proteoms Karten gefiltert bei hohen Stellenwert wie in Wright Et Al. beschrieben angewendet 7 und zwei weitere Tools für die Proteogenomic Zuordnung, nämlich iPiG14 und PGx10gegenüber. Das Dataset besteht 233.055 einzigartige Peptide über 59 adulten und embryonalen Gewebe, wodurch insgesamt mehr als 3 Millionen Sequenzen. PoGo übertraf diese Werkzeuge in der Runtime (6,9 x und 96.4 x schneller, beziehungsweise) und Speichernutzung (20 % und 60 % weniger Speicher, beziehungsweise) wie in Abbildung 618dargestellt. Ein Beispiel für ein erfolgreich zugeordneten Peptid ist in Abbildung 7dargestellt.
Während PoGo deutlich besser die anderen Tools in Geschwindigkeit und Speicher als, ist es auch in der Lage, Zuordnung Post-translationalen Modifikationen und quantitative Informationen im Zusammenhang mit Peptiden auf das Genom. Abbildung 8A zeigt schematisch die Visualisierung des Formates Bett in einem Genom-Browser für Peptide, die Zuordnung zu einem Exon und über Kreuzungen Spleißen. PoGo nutzt die Färbung Möglichkeit, einfache visuelle Hilfe in Bezug auf die Einzigartigkeit des Peptid Mapping innerhalb des Genoms. Zuordnungen in rot zeigen Einzigartigkeit ein einzelnes Protokoll beim schwarzen Highlights, die Zuordnung zu einem einzelnen gen. Dennoch ist das Peptid zwischen verschiedenen Transkripte geteilt. Graue Zuordnungen zeigen eine Peptid geteilt zwischen mehreren Genen. Dies sind zum Beispiel weniger zuverlässig für die Quantifizierung eines Gens oder unzuverlässig die Expression eines Gens zu nennen. Die Möglichkeit, PTM Bett PoGo definiert den Farbcode um verschiedene Arten von Post-translationalen Modifikationen zu berücksichtigen, wie in Abbildung 8dargestellt. Darüber hinaus sind PTMs durch dicken Blöcken angezeigt (siehe Abbildung 8). Ein einzelnes PTM eines Typs ist durch ein dicker Klotz an der Position des modifizierten Aminosäurerest hervorgehoben, während mehrere PTMs des gleichen Typs von ein dicker Klotz aus die erste modifizierte Aminosäure zum letzten überspannt werden.
Auf ein Dataset 50 colorectal Krebs-Zell-Linien einschließlich ganze Proteom und Phosphoproteome29angewendet wir PoGo und anschließend TrackHubGenerator. Während der Track Hub geladen im Genom UCSC Browser die Peptide, die auf das Genom abgebildet zeigt und die Einzigartigkeit der Zuordnungen und die Phosphorylierung Websites unterstreicht (siehe Abbildung 9), werden zusätzliche Daten im Ordner "ergänzende" bereitgestellt. Die GCT-Dateien können dann die Visualisierung von Peptid und Phosphopeptide Quantifizierung in einem genomischen Kontext. GCT-Dateien bieten eine einfache Visualisierung von Peptiden spanning über Spleiß-Knoten (siehe Abbildung 10 oben) jedoch nicht. Die Peptide in Spleiß Kreuzungen sind in Zuordnung zu den Exons Teilen aufgeteilt. Es ist, zwar möglich, Spleiß Peptide durch die gleichen quantitativen Werte der Exon-Zuordnungen zu identifizieren wie Bett oder GTF, die durch eine dünne Intron-Line-Support über die Exons verbinden Dateien laden Sequenz-basierte Zuordnung die Auslegung (siehe Abbildung 10 (unten).
Um das Dienstprogramm Variante aktiviert Zuordnung zu markieren, haben wir in zwei Konfigurationen zu einem Dataset menschliche Hoden Proteoms gesucht gegen NeXtProt für fehlende Proteine mit einem Multi-Enzym-Strategie22jagen PoGo angewandt. Die NeXtProt umfasst neben Referenz Proteinsequenzen über 5 Millionen einzelne Aminosäure Varianten30. Mapping-Peptide identifiziert mit einer einzigen Aminosäure-Variante wird nicht durch andere Mapping-Tools unterstützt. Insgesamt 177.012 einzigartige Peptide wurden identifiziert. Von diesen wurden 99,8 % (176.694) Peptide zuerst erfolgreich zugeordnet, ohne dass Diskrepanzen. Entfernen aus der Liste der identifizierten Peptid ergab 0,2 % (318) Peptide, die anschließend zugeordneten ermöglicht eine Aminosäure-Substitution waren. Dies führte zu 3.446 Zuordnungen von 162 Peptide, die nicht an die Referenz-Genom mit anderen vorhandenen Werkzeug zugeordnet haben würde. Während die durchschnittliche Anzahl der Zuordnungen, einschließlich ein Missverhältnis hoch ist, waren 62 Peptide nur einen einzigen Locus, zeigt wahre Variante Sequenzen zugeordnet. Ein Beispiel für ein Peptid abgebildet mit einer einzigen Aminosäure-Substitution ist mit seiner Sequenz und der übersetzten genomischen Sequenz in Abbildung 11hervorgehoben.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/57633/57633fig1.jpg"> Abbildung 1: Visueller Vergleich der verschiedenen Peptid-Genom-Mapping-Tools. Der Vergleich ist im Hinblick auf verschiedene Aspekte dargestellt. Diese Aspekte sind eine Mapping-Referenz, das Niveau der Integration in die Rahmenbedingungen und die Unterstützung der Online- und offline-Browser. Darüber hinaus neuartige Aspekte von Proteogenomics und deren Funktion Betreuung wird gesondert hervorgehoben. PoGo fehlt nur die Fähigkeit, eine Genomsequenz im Vergleich zu anderen Tools direkt zuzuordnen. Es unterstützt jedoch alle Neuerungen, die meisten anderen Tools nicht unterstützen. <a href="/files/ftp_upload/57633/57633fig1large.jpg" target="_blank">Bitte klicken Sie hier für eine größere Version dieser Figur.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/57633/57633fig2.jpg"> Abbildung 2: Beispiel-Eingabedatei für Zuordnung Peptide. PoGo akzeptiert Eingabedaten in eine tabulatorgetrennte Format mit 4 Spalten. Spaltenüberschriften in der ersten Zeile sind "Experimentieren", "Peptid", "Pvsm" und "Quant", in den folgenden Zeilen angibt, das Experiment oder Probe-Bezeichner, der Peptidsequenz, die Anzahl der Übereinstimmungen Peptid-Spektrum und ein quantitativer Wert für das Peptid bzw.. Dateinamenerweiterungen unterstützt werden *.txt, TSV und *.pogo. <a href="/files/ftp_upload/57633/57633fig2large.jpg" target="_blank">Bitte klicken Sie hier für eine größere Version dieser Figur.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/57633/57633fig3.jpg"> Abbildung 3. PoGoGUI Schnittstelle mit markierten Schritte zur Dateiauswahl und Parameteroptionen. Die Abbildung zeigt die Schritte zum auswählen und laden alle erforderlichen Dateien und die Auswahl der Optionen für die Zuordnung Peptide mit Post-translationalen Modifikationen auf die menschlichen Bezug Genom. <a href="/files/ftp_upload/57633/57633fig3large.jpg" target="_blank">Bitte klicken Sie hier für eine größere Version dieser Figur.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/57633/57633fig4.jpg"> Abbildung 4. Screenshot der Integrative Genomics Viewer (IGV) Daten hochladen Verfahren. Die Abbildung zeigt die Schritte für das Hochladen von PoGo Ausgabedateien in den IGV-Browser. Darüber hinaus zeigt es die Möglichkeit der Erweiterung der Strecke von zugeordneten Peptiden, markieren Sie die Zuordnung und Reihenfolge. <a href="/files/ftp_upload/57633/57633fig4large.jpg" target="_blank">Bitte klicken Sie hier für eine größere Version dieser Figur.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/57633/57633fig5.jpg"> Abbildung 5. Vereinfachte Workflow Schritte von LC-MS/MS Visualisierung in Genom Browser. PoGo-Mapping folgt die Identifizierung von Peptiden von Massenspektren Tandem. Um die Zuordnung des Genoms zu erreichen, nutzt PoGo Verweis Anmerkung als Genom Anmerkung (GTF) und Transkript Übersetzung Sequenzen (FASTA) zur Verfügung gestellt. Verschiedene Formate sind generierte Ausgabe, die im Genom Browser separat geladen werden kann. Darüber hinaus können Dateien im Bett-Format in Track Naben unterstützt Visualisierung von großen Datasets kombiniert werden. <a href="/files/ftp_upload/57633/57633fig5large.jpg" target="_blank">Bitte klicken Sie hier für eine größere Version dieser Figur.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/57633/57633fig6.jpg"> Abbildung 6. Benchmarking-PoGo gegen PGx und iPiG. PoGo übertrifft die anderen Tools zum benchmarking. Zuordnen von 233.055 einzigartige Peptide über 59 adulten und embryonalen Gewebe, was zu mehr als 3 Millionen Sequenzen, betrug PoGo 6,9 x 96.4 x schneller als PGx und iPiG, bzw.. Darüber hinaus verpflichtet PoGo 20 % und 60 % weniger im Vergleich zu PGx und iPiG, bzw. Speicher. PoGo und PGx erfolgreich abgeschlossen, doch wegen iPiG ein Speicherfehler bei 16 GB. <a href="/files/ftp_upload/57633/57633fig6large.jpg" target="_blank">Bitte klicken Sie hier für eine größere Version dieser Figur.</a>
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/57633/57633fig7v2.jpg"> Abbildung 7. Genom der UCSC Browser Beispielansicht zugeordneten Peptide. Die Abbildung zeigt Peptide gen mTOR zugeordnet. Während der kombinierte Track die Peptide spanning über Spleiß-Knoten und ein Exon mit den zugehörigen Sequenzen nur zuordnen zeigt, markieren die gewebespezifischen Tracks nur die Zuordnung in eine komprimierte Format. <a href="/files/ftp_upload/57633/57633fig7v2large.jpg" target="_blank">Bitte klicken Sie hier für eine größere Version dieser Figur.</a>
<img alt="Figure 8" class="xfigimg" src="/files/ftp_upload/57633/57633fig8.jpg"> Abbildung 8: Mapping-Visualisierung und Farbcodierung schematische. (A) In der standard Bett Ausgabedatei Peptide, die Zuordnung zu einer Exon werden als einzelne Blöcke (links), während Peptide Zuordnung über mehrere Exons Highlight das Exon die Teile als Blöcke (rechts) angezeigt. Introns sind so dünn verketten Linien dargestellt. PoGo Bereichssuche die Einzigartigkeit der Zuordnung oder Peptiden, Gene und Protokolle, die mit einer 3-Tier-System. (B) zusätzlich die Blockstruktur des Formates Bett PTM Bett Ausgabe zeigt die Position des Post-translationalen Modifikationen als dicken Blöcken. Das Vorhandensein von einem einzigen PTM eines Typs highlights der modifizierten Aminosäurerest mit ein dicker Klotz, während mehrere Standorte des gleichen PTM zu lange Blöcke überspannt von der ersten bis zur letzten Änderung Seite zusammengefasst sind. Peptid-Zuordnungen werden von PTM Art und Farbe Codec basierend auf der Änderung weiter unterteilt. <a href="/files/ftp_upload/57633/57633fig8large.jpg" target="_blank">Bitte klicken Sie hier für eine größere Version dieser Figur.</a>
<img alt="Figure 9" class="xfigimg" src="/files/ftp_upload/57633/57633fig9v2.jpg"> Abbildung 9. Hub-Ansicht im Browser UCSC Genom des kolorektalen Karzinoms Proteom und Phosphoproteome Daten zu verfolgen. Der Track Hub umfasst ganze Proteom Daten sowie Phosphoproteome. Während die rote Farbe in das Proteom und Phosphoproteome Tracks zeigen die Einzigartigkeit der Zuordnung zu den einzigen Abschrift des SFN, zeigen Spuren in _ptm endet die Phosphorylierung Seiten innerhalb von Peptiden. Hier gibt die rote Farbe die Art der Änderung als Phosphorylierung. Nur zwei Peptide sind mit jeder zeigt ein einzelnes Phosphorylierung (dicken Blöcken) identifiziert worden. <a href="/files/ftp_upload/57633/57633fig9v2large.jpg" target="_blank">Bitte klicken Sie hier für eine größere Version dieser Figur.</a>
<img alt="Figure 10" class="xfigimg" src="/files/ftp_upload/57633/57633fig10.jpg"> Abbildung 10. Blick auf Darmkrebs-Phosphopeptides und damit verbundenen Quantifizierung in IGV. Die Abbildung zeigt einen Teil der 50 Krebszelllinien. Es zeigt außerdem vier Spalten der Blöcke in unterschiedlichen Schattierungen von Licht rot. Die Farbe zeigt die relative Häufigkeit von Low (weiß), hoch (rot). Während die vier Spalten zunächst um zu glauben, dass es 4 Peptide gibt führen könnte, wird deutlich, mit der damit verbundenen Sequenz-basierte GTF Ausgabedatei, dass diese in der Tat zwei Peptide sind jeder überspannt ein Spleiß-Knoten. <a href="/files/ftp_upload/57633/57633fig10large.jpg" target="_blank">Bitte klicken Sie hier für eine größere Version dieser Figur.</a>
<img alt="Figure 11" class="xfigimg" src="/files/ftp_upload/57633/57633fig11.jpg"> Abbildung 11. Ansicht des Peptids mit Aminosäure-Variante im IGV. Die Abbildung zeigt eine Peptid mit einer einzigen Aminosäure-Variante auf das Referenz-Genom zu Beginn der Übersetzung des GPSM1-Gens abgebildet. Die Variante ist Aminosäurerest 8 und Ergebnisse in der Substitution von Alanin, Valin (A→V) positioniert. Die Übersetzung Sequenzen der annotierten Transkripte (blau) markieren Sie die Variante im Vergleich zu der Peptidsequenz. <a href="/files/ftp_upload/57633/57633fig11large.jpg" target="_blank">Bitte klicken Sie hier für eine größere Version dieser Figur.</a>

Watch this Scientific Journal Video about A Fast and Quantitative Method for Post-translational Modification and Variant Enabled Mapping of Peptides to Genomes at JoVE.com

A Fast and Quantitative Method for Post-translational Modification and Variant Enabled Mapping of Peptides to Genomes

Hier stellen wir Ihnen das Proteogenomic-Tool PoGo und Protokolle für den schnellen, quantitativen, Post-translationale Modifikation und Variante aktiviert Zuordnung von Peptiden durch Massenspektrometrie auf Referenz Genomen identifiziert. Dieses Tool ist von nutzen, zu integrieren und Proteogenomic und persönliche Proteomik-Studien mit orthogonalen Genomik Daten zu visualisieren.

Eine schnelle und Quantitative Methode für Post-translationale Modifikation und Variante aktiviert Mapping von Peptiden mit Genomen

Cross-talk between genes, transcripts, and proteins is the key to cellular responses; hence, analysis of molecular levels as distinct entities is slowly ...

Research

JoVE Journal

Genetics

Merging Absolute and Relative Quantitative PCR Data to Quantify STAT3 Splice Variant Transcripts

Merging Absolute und relative quantitative PCR-Daten zu Quantifizieren STAT3 Spleißvariante Transcripts

Human signal transducer and activator of transcription 3 (STAT3) is one of many genes containing a tandem splicing site. Alternative donor splice sites 3 ...

Forschung

Genetik

QTL Mapping and CRISPR/Cas9 Editing to Identify a Drug Resistance Gene in Toxoplasma gondii

QTL Mapping and CRISPR/Cas9 Editing to Identify a Drug Resistance Gene in Toxoplasma gondii

QTL Mapping und CRISPR / Cas9 Bearbeitung zur Identifizierung eines Drug Resistance Gen in<em&gt; Toxoplasma gondii</em

Scientific knowledge is intrinsically linked to available technologies and methods. This article will present two methods that allowed for the ...

Mapping RNA-RNA Interactions Globally Using Biotinylated Psoralen

Zuordnung von RNA-RNA-Wechselwirkungen unter Verwendung von biotinyliertem Psoralen

Knowing how RNAs interact with themselves and with others is key to understanding RNA based gene regulation in the cell. While examples of RNA-RNA ...

Retroviral Scanning: Mapping MLV Integration Sites to Define Cell-specific Regulatory Regions

Retroviral Scanning: Mapping MLV Integration Sites zur Definition zellspezifischer Regulierungsregionen

Moloney murine leukemia (MLV) virus-based retroviral vectors integrate predominantly in acetylated enhancers and promoters. For this reason, mLV ...

Constitutive and Inducible Systems for Genetic In Vivo Modification of Mouse Hepatocytes Using Hydrodynamic Tail Vein Injection

Constitutive and Inducible Systems for Genetic In Vivo Modification of Mouse Hepatocytes Using Hydrodynamic Tail Vein Injection

Konstitutive und induzierbaren Systeme für genetische In Vivo Änderung der Maus Hepatozyten mit hydrodynamischen Tail Vene Injektion

In research models of liver cancer, regeneration, inflammation, and fibrosis, flexible systems for in vivo gene expression and silencing are highly ...

An Optogenetic Method to Control and Analyze Gene Expression Patterns in Cell-to-cell Interactions

Eine optogenetische Methode zu kontrollieren und analysieren gen Expressionsmuster in Zell-Zell-Interaktionen

Cells should respond properly to temporally changing environments, which are influenced by various factors from surrounding cells. The Notch signaling ...

A Fast Silver Staining Protocol Enabling Simple and Efficient Detection of SSR Markers using a Non-denaturing Polyacrylamide Gel

Eine schnelle Silber Färbung Protokoll ermöglicht einfache und effiziente Erkennung von SSR-Marker mit einem Non-denaturierenden Polyacrylamid-Gel

Simple Sequence Repeat (SSR) is one of the most effective markers used in plant and animal genetic research and molecular breeding programs. Silver ...

Isolation, Characterization and MicroRNA-based Genetic Modification of Human Dental Follicle Stem Cells

Isolierung, Charakterisierung und RNA-basierte gentechnische Veränderung von menschlichen Dental follikelstimulierendes Stammzellen

To date, several stem cell types at different developmental stages are in the focus for the treatment of degenerative diseases. Yet, certain aspects, such ...

Preparation and Gene Modification of Nonhuman Primate Hematopoietic Stem and Progenitor Cells

Vorbereitung und gentechnische Veränderung von Nichtmenschen Primas hämatopoetischen Stammzellen und Vorläuferzellen

Hematopoietic stem and progenitor cell (HSPC) transplantation has been a cornerstone therapy for leukemia and other cancers for nearly half a century, ...

Characterizing Histone Post-translational Modification Alterations in Yeast Neurodegenerative Proteinopathy Models

Charakterisierung von Histon Post-translationale Modifikation Veränderungen in Hefe Neurodegenerative Proteinopathy Modelle

Neurodegenerative diseases, such as amyotrophic lateral sclerosis (ALS) and Parkinson&#39;s disease (PD), cause the loss of hundreds of thousands of lives ...