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

Este trabalho foi financiado pela Wellcome Trust (WT098051) e a concessão de NIH (U41HG007234) para o projeto GENCODE.

<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>

Os autores não têm nada para divulgar.

Este protocolo descreve como a ferramenta de software PoGo e sua interface gráfica do usuário PoGoGUI permitem um mapeamento rápido dos peptides nas coordenadas do genoma. A ferramenta oferece recursos exclusivos, tais como modificação pós-traducional, quantitativa e mapeamento variante habilitado para referência a anotação de genomas. Este artigo demonstra o método em um estudo de proteogenomic em grande escala e destaca sua eficiência de velocidade e memória em comparação com outras ferramentas disponíveis18. Em combinação com a ferramenta TrackHubGenerator, que cria cubos acessíveis on-line de genômica e genoma ligados a dados, PoGo, com sua interface gráfica do usuário, estudos de proteogenomics em grande escala permite rapidamente visualizar seus dados em contexto genômico. Além disso, demonstramos as características únicas do PoGo com conjuntos de dados pesquisados contra bancos de dados variantes e quantitativos phosphoproteomics22,29.
Arquivos individuais, tais como o arquivo GCT, fornecem visualização valiosa e ligações entre características do peptide e loci genômicos. No entanto, é importante notar que uma interpretação com base nestes sozinho pode ser difícil ou enganosa devido a sua limitação aos aspectos único do proteogenomics como singularidade, modificações borne-translational e valores quantitativos. Portanto, é importante escolher cuidadosamente quais arquivos de saída, opções e combinações são apropriadas para a questão de proteogenomic à mão e modificar as combinações. Por exemplo, informações sobre a singularidade do mapeamento para um locus genômico específico podem ser de grande valor para a anotação de uma característica genômica7, enquanto a quantificação através de amostras diferentes pode ser mais apropriada para estudos relativos características genômicas para mudanças na abundância de proteína29. A saída deve ser gerada por PoGo para cada configuração. No caso de sem saída é gerada, ou arquivos vazios são mostrados na pasta de saída, é aconselhável verificar os arquivos de entrada para o conteúdo desejado e o formato de arquivo necessário. Em casos onde o formato de arquivo ou conteúdo não segue as expectativas de PoGo (por exemplo, o arquivo FASTA supostamente contendo sequências de tradução de transcrição contém as sequências de nucleotídeos de transcrições), mensagens de erro pedirá ao usuário para Verifique os arquivos de entrada.
Restrições do protocolo e a ferramenta baseiam-se principalmente a reutilização dos formatos de arquivo, comumente usado em genômica. Formatos de arquivo usados na genômica para proteogenomic aplicações de redefinição de objetivos é acompanhada por limitações específicas. Estes são devido os diferentes conjuntos de requisitos para visualização de genoma centrado de genômica e proteogenomic de dados, tais como a necessidade de Visualizar modificações borne-translational da proteômica dados. Isto é restrito nos formatos de arquivo de genómica por uso de recurso único. Muitas abordagens e ferramentas foram desenvolvidas para proteômica confiàvel localizar modificações borne-translational dentro de sequências peptídicas31,32,33,de34. No entanto, a visualização de múltiplas modificações de forma única e perceptível no genoma é dificultada pela estrutura dos formatos de arquivo de genômica. Portanto, a visualização de bloco único de PTMs múltiplos do mesmo tipo não constitui qualquer ambiguidade dos sites modificação... mas é a consequência da exigência diferente da comunidade de genômica para apenas Visualizar características única de cada vez. Não obstante, PoGo tem a vantagem de modificações borne-translational mapeamento nas coordenadas genômicas para permitir estudos focados sobre o efeito das características genômicas como variantes de nucleotídeo único em modificações borne-translational. Usando o PoGo, variante mapeamento aumenta o número de mapeamentos totais. No entanto, a codificação de cor única dos peptídeos mapeados destaca confiança mapeamentos de queridos não confiáveis. O mapeamento de peptídeos variantes identificado de variantes de nucleotídeo único conhecido pode ser acompanhado por visualizando os peptídeos mapeados juntamente com as variantes no formato VCF. Desta forma, o código de cor indicando um mapeamento não confiável de um variante do peptide é negada pela presença da variante nucleotídeo conhecido.
Um passo crítico para o uso de PoGo é o uso dos arquivos corretos e formatos. O uso de sequências de transcrição traduzida como sequências de proteínas para acompanhar a anotação no formato GTF é o principal critério. Outro elemento crítico quando considerando o uso PoGo para mapear peptídeos com incompatibilidades de aminoácido é memória. Enquanto altamente eficiente para a memória de um aplicativo padrão, significativamente e exponencialmente crescente número de mapeamentos possíveis com um ou dois incompatibilidades leva a um aumento exponencial da mesma forma de uso de memória18. Propomos um mapeamento em etapas, conforme descrito neste protocolo primeiro mapear os peptídeos sem incompatibilidades e removê-los do conjunto. Os peptídeos anteriormente desmapeados subsequentes então podem ser mapeados usando uma incompatibilidade e o procedimento pode ser repetido com duas incompatibilidades para os peptídeos restantes não mapeados.
Desde que aumentou significativamente a taxa de transferência de espectrometria de massa e estudos interfaceando genômica e proteômica dados estão se tornando mais frequentes nos últimos anos, ferramentas para permitir facilmente interfaceando esses tipos de dados no mesmo sistema de coordenadas são cada vez mais indispensável. A ferramenta aqui apresentada ajudará a necessidade de combinar genomic e proteomic dados para realçar uma melhor compreensão dos estudos integrativo através de pequenos e grandes conjuntos de dados através do mapeamento de peptídeos em uma anotação de referência. De forma encorajadora, PoGo foi aplicada para mapear peptídeos para candidatos gene fornecidos no mesmo formato que a anotação de referência para apoiar os esforços de anotação de novos genes expressados no testículo humano35. A abordagem apresentada aqui é independente de bancos de dados usados para identificação de peptídeo. O protocolo pode auxiliar na identificação e visualização dos produtos romance tradução usando adaptado arquivos de entrada de sequências de tradução e GTF arquivos de RNA-seq experimentos associados.
Várias abordagens e ferramentas com uma ampla gama de cenários de aplicação especial para mapear peptídeos para coordenadas genômicas, que vão desde o mapeamento de peptídeos diretamente para a sequência do genoma para o mapeamento de sequenciação do ARN-guiada, foram introduzidas10, 11 , 12 , 13 , 14 , 15 , 16 , 17. no entanto, isto podem resultar em uma falha para mapear corretamente peptídeos quando modificações borne-translational estão presentes e erros no mapeamento subjacente de leituras a sequenciação do ARN podem ser propagados para o nível de peptídeo. PoGo foi desenvolvido especificamente superar esses obstáculos e para lidar com o rápido aumento de conjuntos de dados quantitativos proteomic high-resolution de integração com plataformas genômica ortogonais. A ferramenta aqui descrita pode ser integrada em fluxos de trabalho de alto rendimento. Através da interface gráfica, PoGoGUI, a ferramenta é simples de usar e requer sem formação de bioinformática do especialista.

Nas células, genoma, transcriptoma e proteoma afetam uns aos outros para modular a resposta a estímulos internos e externos e interagir uns com os outros para realizar funções específicas, levando a saúde e a doença. Portanto, caracterizar e quantificar os genes transcritos e proteínas são crucial para compreender plenamente os processos celulares. Sequenciamento de próxima geração (NGS) é uma das estratégias mais comumente aplicadas para identificar e quantificar a expressão de gene e transcrição. No entanto, expressão da proteína é comumente avaliada por espectrometria de massa (MS). Significativos avanços na tecnologia de MS ao longo da última década permitiu mais uma completa identificação e quantificação de proteomes, tornar os dados comparáveis com transcriptomics1. Proteogenomics e multi-omics como formas de integrar dados NGS e MS tornaram-se poderosos abordagens para avaliar processos celulares através de vários níveis moleculares, identificar subtipos de câncer e levando a novos potenciais alvos de drogas em câncer2 , 3. é importante notar que proteogenomics foi inicialmente usado para fornecer evidência de proteomic para gene e transcrição de anotações4. Vários genes previamente pensados para ser não-codificante têm submetido recentemente a reavaliação Considerando o tecido humano em grande escala de conjuntos de dados5,6,7. Além disso, dados de proteomic com êxito são usados para apoiar os esforços de anotação em organismos não-modelo8,9. No entanto, a integração de dados de proteogenomic pode ser explorada na sequência da expressão da proteína de destaque em relação às características genômicas e elucidar conversas cruzadas entre proteínas e transcrições, fornecendo um sistema combinado de referência e métodos para visualização de co.
A fim de fornecer uma referência comum para proteômica e genômica dados transcriptomics, inúmeras ferramentas foram implementadas para peptídeos de mapeamento, identificados através de MS no genoma coordenadas10,11,12 ,13,14,15,16,17. Abordagens diferem em aspectos como referência de mapeamento, suporte de navegadores do genoma e o grau de integração com outras ferramentas de proteômica, conforme mostrado na Figura 1. Enquanto algumas ferramentas mapeiam reversos peptídeos traduzidos em um genoma16, outros usam uma posição do search engine anotado dentro de uma anotação de gene e proteína para reconstruir a sequência de nucleotídeos do peptídeo15. Ainda outros usam uma tradução de 3 ou 6-quadro do genoma para mapear peptídeos contra11,13. Por último, várias ferramentas ignorar as sequências de nucleótidos e usam traduções de sequência de aminoácidos de transcrições de sequenciação do ARN-mapeada como um intermediário para mapear o genoma associado coordenadas10,12, peptídeos 14,17. No entanto, a tradução de sequências nucleotídicas é um processo lento e bancos de dados personalizados são propensos a erros que se propague para o mapeamento de peptídeo. Para o mapeamento rápido e de alta produtividade, uma referência abrangente e pequena é crucial. Portanto, uma referência de proteína padronizada com coordenadas de genoma associado é essencial para peptídeo preciso para o mapeamento do genoma. Novos aspectos em proteogenomics, tais como a incorporação de variantes e modificações borne-translational (PTMs)2,3, estão ganhando impulso através de estudos recentes. No entanto, estas geralmente não são suportadas pelo atual proteogenomic ferramentas de mapeamento, conforme mostrado na Figura 1. Para melhorar a velocidade e a qualidade de mapeamento, PoGo foi desenvolvido, uma ferramenta que permite o mapeamento rápido e quantitativo de peptídeos de genomas18. Além disso, PoGo permite o mapeamento de peptídeos com até duas variantes de sequência e modificações borne-translational anotadas.
PoGo foi desenvolvido para lidar com o rápido aumento de conjuntos de dados quantitativos de alta resolução captura proteomes e modificações globais e fornece um utilitário central para análise em larga escala como a variação de pessoal e medicina de precisão. Este artigo descreve a aplicação desta ferramenta para visualizar a presença de modificação pós-traducional em relação às características genômicas. Além disso, este artigo destaca a identificação de eventos splicing alternativos através de peptídeos mapeados e o mapeamento de peptídeos identificados através de bancos de dados personalizados variantes de um genoma de referência. Este protocolo utiliza conjuntos de dados publicamente disponíveis, baixados o arquivo PRIDE19 para demonstrar estas funcionalidades do PoGo. Além disso, este protocolo descreve a aplicação de TrackHubGenerator para a criação de cubos acessíveis on-line de peptídeos mapeados para genomas para estudos de proteogenomics em grande escala.

<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

Cross-talk entre os genes transcritos e proteínas é a chave para a resposta celular; daí, a análise dos níveis moleculares como entidades distintas lentamente está sendo estendido para estudos integrativo para melhorar a compreensão da dinâmica molecular dentro das células. Atuais ferramentas para a visualização e integração de proteômica com outros conjuntos de dados omics são insuficientes para estudos em grande escala. Além disso, eles apenas capturar a sequência básica identificar, descartando modificações borne-translational e quantificação. Para solucionar esses problemas, nós desenvolvemos PoGo para mapear peptídeos com modificações borne-translational associadas e quantificação de anotação do genoma de referência. Além disso, a ferramenta foi desenvolvida para permitir o mapeamento de peptídeos, identificadas a partir de bancos de dados de sequência personalizada incorporando único aminoácido variantes. Enquanto PoGo é uma ferramenta de linha de comando, a interface gráfica PoGoGUI permite que os pesquisadores não-bioinformática facilmente mapear peptídeos para 25 espécies suportados pela anotação do genoma de Ensembl. A saída gerada empresta formatos de arquivo do campo genómica e, portanto, a visualização é suportada na maioria dos navegadores do genoma. Para estudos em grande escala, PoGo é suportado pelo TrackHubGenerator para criar web-acessível repositórios de dados mapeados para genomas que também permitem um fácil compartilhamento de dados proteogenomics. Com pouco esforço, esta ferramenta pode mapear milhões de peptídeos de genomas de referência dentro de poucos minutos, superando outras ferramentas disponíveis sequência-identidade baseada. Este protocolo demonstra as melhores abordagens para o mapeamento de proteogenomics através de PoGo com conjuntos de dados publicamente disponíveis de quantitativos e phosphoproteomics, bem como estudos em grande escala.

Uma representação gráfica, destacando em que palco de um fluxo de trabalho regular proteomic PoGo18 é aplicado, bem como a jusante opções de visualização, é mostrado na Figura 5. Proteomics espingarda (ou seja, a digestão proteolítica das proteínas seguido por cromatografia líquida acoplada com espectrometria de massa em tandem) é uma etapa precursora de mapeamento proteogenomic. Os espectros de massa em tandem resultante são comumente comparados com espectros teóricos derivados de bancos de dados de sequência de proteínas. Estudos Proteogenomics introduzir sequências de tradução do romance transcrições com codificação variantes possíveis e não-sinônimo de nucleotídeo único (SNVs) na base de dados, tornando-se difícil relacionar facilmente essas costas com o genoma de referência8. A interface gráfica do usuário do PoGo (PoGoGUI) oferece suporte a formatos de arquivo para os relatórios padronizados de identificações de peptídeo de experimentos de espectrometria de massa e converte-los em um formato simplificado de 4 colunas de pogo. PoGoGUI ajusta a ferramenta de linha de comando PoGo e, portanto, permite o mapeamento de peptídeos, nas coordenadas do genoma, utilizando a anotação da referência de genes codificantes de proteínas comumente previstas o GTF e as sequências de transcrição traduzida em formato FASTA. Diferentes formatos de saída são gerados por PoGo para permitir a visualização dos diferentes aspectos dos peptides identificados através de espectrometria de massa, incluindo modificações borne-translational e quantificação de nível do peptide. Arquivos de saída na cama ainda mais podem ser convertidos e combinados em diretórios acessíveis online chamados hubs de pista. Arquivos de saída único, bem como hubs de pista, então podem ser visualizados em navegadores como o UCSC Genome Browser25Ensembl Genome Browser20, IGV24e Biodalliance28 (ver Figura 5 inferior).
PoGo foi aplicado para a reanálise do projecto humano proteome mapas filtrado na grande significado, como descrito em Wright et al 7 e comparou-a com duas outras ferramentas para mapeamento de proteogenomic, ou seja, o iPiG14 e PGx10. O conjunto de dados composto 233.055 peptídeos exclusivos através de 59 tecidos adultos e fetais, resultando em um total de sequências mais 3 milhões. PoGo superou essas ferramentas em tempo de execução (6,9 x e 96,4 x mais rápido, respectivamente) e uso de memória (20% e 60% menos memória, respectivamente) como mostrado na Figura 618. Um exemplo de um peptídeo mapeado com êxito é mostrado na Figura 7.
Enquanto PoGo superou significativamente as outras ferramentas em velocidade e memória, também é capaz de modificações borne-translational de mapeamento e informações quantitativas associadas com peptídeos no genoma. Figura 8A esquematicamente retrata a visualização do formato de cama em um navegador de genoma para peptídeos mapeamento para um exão e do outro lado da tala entroncamentos. PoGo utiliza a opção de coloração para proporcionar fácil ajuda visual no que diz respeito a singularidade do mapeamento de peptídeo dentro do genoma. Mapeamentos em vermelho indicam a exclusividade de uma única transcrição, enquanto o preta destaca o mapeamento para um único gene. No entanto, o peptídeo é compartilhado entre diferentes transcrições. Mapeamentos de cinza mostram um peptídeo compartilhado entre múltiplos genes. Estas são, por exemplo, menos confiável para a quantificação de um gene ou não confiável para chamar a expressão de um gene. A opção de cama de PTM de PoGo redefine o código de cor para acomodar diferentes tipos de modificações borne-translational, como mostrado na Figura 8B. Além disso, PTMs são indicadas por grossos blocos (ver Figura 8B). Um único PTM de um tipo é realçado por um bloco grosso na posição do resíduo de aminoácido modificado, enquanto PTMs múltiplos do mesmo tipo são medidos por um grosso bloco do primeiro aminoácido modificado para o último.
Nós aplicamos PoGo e, posteriormente, TrackHubGenerator para um conjunto de dados de 50 linhas de células de câncer colorretal incluindo proteome toda e phosphoproteome29. Enquanto o cubo de pista carregado no UCSC Genome Browser mostra os peptídeos mapeados para o genoma e destaca a singularidade dos mapeamentos e os sítios de fosforilação (ver Figura 9), dados adicionais são fornecidos na pasta suplementar. Os arquivos do GCT, em seguida, habilitar a visualização da quantificação do peptide e Fosfopeptida em um contexto genômico. No entanto, arquivos de GCT não fornecem uma visualização fácil de peptídeos abrangendo todo entroncamentos da tala (ver Figura 10 parte superior). Os peptídeos através da tala junções dividem-se em suas respectivas partes mapeamento para os exões. Enquanto é possível identificar peptídeos da tala através os mesmos valores quantitativos de mapeamentos de exon, mapeamento baseado em sequência a carregar arquivos como cama ou GTF que conectam os exões por um intrão fina, abrangendo a linha de sustentação a interpretação (veja a Figura 10 parte inferior).
Para destacar a utilidade da variante habilitado mapeamento, aplicamos PoGo em duas configurações para um dataset de testículo humano proteome procurado contra neXtProt para caçar falta proteínas usando uma enzima multi estratégia22. O neXtProt compreende além de sequências de proteínas de referência mais 5 milhões de variantes único aminoácido30. Não há suporte para mapeamento de peptídeos, identificados com uma único aminoácido variante por outras ferramentas de mapeamento. Um total de 177.012 exclusivos peptídeos foram identificados. Destes, peptídeos de 99,8% (176.694) primeiro foram mapeados com sucesso sem permitir que as incompatibilidades. Remoção da lista do peptide identificados resultou em peptídeos de 0,2% (318) que posteriormente foram mapeadas permitindo uma substituição de aminoácido. Isto resultou em 3.446 mapeamentos de 162 peptídeos que não iria ter sido mapeados para o genoma de referência com qualquer outra ferramenta disponível. Enquanto o número médio de mapeamentos, incluindo uma incompatibilidade é alto, 62 peptídeos foram mapeados para apenas um único locus, indicando sequências variantes verdadeiras. Um exemplo de um peptídeo mapeado com a substituição de um único aminoácido é destaque com sua sequência e a sequência genómica traduzida na Figura 11.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/57633/57633fig1.jpg"> Figura 1. Comparação visual das ferramentas de mapeamento de peptídeo-para-genoma diferente. A comparação é mostrada com relação a vários aspectos. Estes aspectos incluem uma referência de mapeamento, o nível de integração nas estruturas e o suporte dos navegadores online e offline. Além disso, novos aspectos do proteogenomics e seu suporte para o recurso é realçada separadamente. PoGo, só falta a capacidade para mapear diretamente para uma sequência do genoma em comparação com outras ferramentas. No entanto, suporta todas as características inovadoras que não oferecem suporte a maioria das outras ferramentas. <a href="/files/ftp_upload/57633/57633fig1large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/57633/57633fig2.jpg"> Figura 2. Arquivo de entrada de exemplo para peptídeos mapeamento. PoGo aceita entrada de dados em um formato separado por tabulações com 4 colunas. Cabeçalhos de coluna na primeira linha são «Experiência», «Peptídicas», 'PSMs' e 'Quant», indicando-se nas seguintes linhas o experimento ou identificador de amostra, a sequência do peptídeo, o número de correspondências de peptídeo-espectro e um valor quantitativo para o peptídeo, respectivamente. Extensões de nome de arquivo com suporte são *. txt, *.tsv e *.pogo. <a href="/files/ftp_upload/57633/57633fig2large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/57633/57633fig3.jpg"> Figura 3. PoGoGUI interface com etapas destacadas para seleções de arquivo e opções de parâmetro. A figura mostra as etapas para selecionar e carregar arquivos necessários e a seleção de opções de peptídeos de mapeamento com modificações borne-translational sobre o genoma humano de referência. <a href="/files/ftp_upload/57633/57633fig3large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/57633/57633fig4.jpg"> Figura 4. Upload de imagem dos dados do Visualizador de genômica Integrativa (IGV) procedimento. A figura destaca os passos para fazer upload de arquivos de saída PoGo no navegador IGV. Além disso, ele mostra a opção de expandir a faixa de peptídeos mapeados para destacar o mapeamento e a sequência. <a href="/files/ftp_upload/57633/57633fig4large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/57633/57633fig5.jpg"> Figura 5. Simplificado de fluxo de trabalho de etapas de LC-MS/MS para visualização nos navegadores genoma. Mapeamento de PoGo segue a identificação de peptídeos de espectros de massa em tandem. Para realizar o mapeamento para o genoma, PoGo utiliza anotação de referência fornecida como anotação do genoma (GTF) e sequências de tradução de transcrição (FASTA). Saída de diferente formatos são gerados que pode ser carregada separadamente em navegadores do genoma. Além disso, arquivos no formato de cama podem ser combinados em cubos faixa apoio visualização de conjuntos de dados em larga escala. <a href="/files/ftp_upload/57633/57633fig5large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/57633/57633fig6.jpg"> Figura 6. Análise comparativa de PoGo contra PGx e iPiG. PoGo supera as outras ferramentas na análise comparativa. Mapeamento 233.055 exclusivos peptídeos através de 59 tecidos adultos e fetais, resultando em sequências mais 3 milhões, PoGo foi 6,9 x e 96,4 x mais rápido do que o PGx e iPiG, respectivamente. Além disso, PoGo exigido 20% e 60% menos memória em comparação com PGx e iPiG, respectivamente. Enquanto PoGo e PGx foi concluído com êxito, o iPiG resultou em um erro de memória de 16 GB. <a href="/files/ftp_upload/57633/57633fig6large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/57633/57633fig7v2.jpg"> Figura 7. UCSC Genome browser exemplo veja de peptídeos mapeadas. A figura mostra peptídeos mapeados para o mTOR do gene. Enquanto a faixa combinada mostra os peptídeos abrangendo todo entroncamentos da tala e mapeando apenas para um exão com as sequências de associado, as faixas de tecido-específica apenas destacam o mapeamento em um formato condensado. <a href="/files/ftp_upload/57633/57633fig7v2large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 8" class="xfigimg" src="/files/ftp_upload/57633/57633fig8.jpg"> Figura 8. Esquema de mapeamento de visualização e codificação de cores. (A) no arquivo de saída padrão de cama, peptídeos de mapeamento para um exon são mostrados como único blocos (à esquerda), enquanto os peptídeos mapeamento entre vários exões destaque o exon cobrindo as partes como blocos (à direita). Os intrões são mostrados tão finos linhas de concatenação. PoGo color-codes a singularidade do mapeamento ou peptídeos de genes e transcrições usando um sistema de 3 camadas. (B) Além da estrutura de bloco do formato de cama, cama de PTM saída destaca a posição de modificações borne-translational como blocos de espessura. A presença de um único PTM de um tipo destaca o resíduo de aminoácido modificado com um bloco de espesso, enquanto vários sites da mesma PTM são combinados em blocos longos, abrangendo desde o primeiro até o último local de modificação. Mapeamentos de peptídeo estão divididos pelo codec de tipo e cor PTM baseado a modificação. <a href="/files/ftp_upload/57633/57633fig8large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 9" class="xfigimg" src="/files/ftp_upload/57633/57633fig9v2.jpg"> Figura 9. Controlar hub exibir no navegador do genoma do câncer colorretal proteome e phosphoproteome dados UCSC. O hub de faixa compreende toda proteome dados, bem como phosphoproteome. Enquanto a cor vermelha em faixas de proteoma e phosphoproteome indicam a singularidade do mapeamento para a simples transcrição do SFN, faixas terminam em _ptm mostram os sites de fosforilação em peptídeos. Aqui, a cor vermelha indica o tipo de modificação como fosforilação. Apenas dois peptídeos foram identificados com cada mostrando uma única fosforilação (blocos de espessura). <a href="/files/ftp_upload/57633/57633fig9v2large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 10" class="xfigimg" src="/files/ftp_upload/57633/57633fig10.jpg"> Figura 10. Vista de phosphopeptides de câncer colorretal e quantificação associada no IGV. A figura mostra um subconjunto das linhas de células de 50 câncer. Além disso mostra quatro colunas de blocos em diferentes tons de luz vermelha. A cor indica a abundância relativa de baixo (branco) para alto (vermelho). Enquanto as quatro colunas inicialmente podem levar a crer que existem 4 peptídeos, torna-se claro com associado com base em sequência GTF arquivo de saída que na verdade são dois peptídeos, cada abrangendo uma tala de junção. <a href="/files/ftp_upload/57633/57633fig10large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<img alt="Figure 11" class="xfigimg" src="/files/ftp_upload/57633/57633fig11.jpg"> Figura 11. Vista do peptídeo com variante de aminoácido em IGV. A figura mostra um peptídeo com uma variante de único aminoácido mapeada para o genoma de referência no início tradução do gene GPSM1. A variante é posicionada no resíduo de aminoácido 8 e resultados na substituição de alanina, a valina (A→V). As sequências de tradução das transcrições anotadas (azuis) destacam-se a variante em comparação com a sequência do peptide. <a href="/files/ftp_upload/57633/57633fig11large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</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

Aqui apresentamos a ferramenta proteogenomic PoGo e protocolos para rápido, quantitativa, borne-translational modificação e variante habilitado para mapeamento de peptídeos identificados através de espectrometria de massa em genomas de referência. Esta ferramenta é útil para integrar e Visualizar proteogenomic e estudos pessoais proteomic interfaceando com dados de genómica ortogonais.

Um método rápido e quantitativo para a modificação pós-traducional e variante habilitado para mapeamento de peptídeos de genomas

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

Mesclando Absoluto e dados relativos PCR quantitativo para quantificar STAT3 Splice Variant Transcrições

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

Genética

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

Mapeamento QTL e edição CRISPR / Cas9 para identificar um gene de resistência a medicamentos em<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

Mapeando as Interações RNA-ARN Globalmente Usando Psoraleno Biotinilado

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

Varredura Retroviral: Mapeamento de sites de integração MLV para definir regiões reguladoras específicas de células

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

Constitutivos e Inducible sistemas para modificação genética In Vivo dos hepatócitos de rato usando injeção de veia de cauda hidrodinâmica

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

Um método de Optogenetic para controlar e analisar os padrões de expressão de Gene em interações de célula para célula

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

Um rápido prata coloração protocolo permitindo simples e eficiente deteção de SSR marcadores usando um Gel de Polyacrylamide Non-desnaturação

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

Isolamento, caracterização e baseada em MicroRNA modificação genética de células-tronco humanas folículo Dental

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

Preparação e modificação genética de primatas não humanos tronco hematopoiéticas e células progenitoras

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

Caracterizando a histona modificação pós-traducional alterações nos modelos de Neurodegenerative Proteinopathy de levedura

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