Name: Navigazione dei dati proteomici basati sulla spettrometria di massa utilizzando strumenti computazionali gratuiti (Video) | JoVE Journal
Uploaded: 2025-08-19T14:40:00.000+00:00
Duration: 7 min 1 s
Description: Impara ad analizzare dati proteomici complessi basati su spettrometria di massa utilizzando strumenti computazionali gratuiti come DIA-NN e MSFragger. Questo metodo consente ai biologi di validare scoperte e esplorare dataset pubblici senza nuovi esperimenti.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

NOTA: Vedere la Figura 1per una panoramica del flusso di lavoro e la Tabella dei materiali per descrizioni dettagliate del software utilizzato.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/68707/68707fig1.jpg"> 
Figura 1: Panoramica del disegno dello studio. <a href="https://www.jove.com/files/ftp_upload/68707/68707fig1large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
1. Esempio di configurazione del file e del software
NOTA: Tutte le applicazioni sono gratuite per l'uso di ricerca individuale e possono essere eseguite su un personal computer (Windows e Linux sono supportati).
<ol>
	<li>Creare una nuova directory per un progetto.</li>
	<li>Scarica JMU_LM2_8526_55.raw, JMU_LM2_8568_51.raw, JMU_LM2_8696_37.raw, JMU_LM2_2112_87.raw, JMU_LM2_2195_91.raw, JMU_LM2_2377_73.raw, 20150127_liver_XH03_T_01.raw, 20150127_liver_XH03_T_02.raw, 20150127_liver_XH03_T_03.raw, 20150127_liver_XH03_P_01.raw, 20150127_liver_XH03_P_02.raw, 20150127_liver_XH03_P_03.raw dal PRIDE. NOTA: I due gruppi di file possono essere scaricati separatamente da https://www.ebi.ac.uk/pride/archive/projects/PXD039273 e https://www.ebi.ac.uk/pride/archive/projects/PXD006512 (Figura 2).</li>
	<li>Scarica e installa gli strumenti software necessari.<ol>
		<li>Scarica l'ultima versione di DIA-NN come file .msi. DIA-NN è disponibile gratuitamente come file .msi per Windows o come file .zip per Linux da https://github.com/vdemichev/DiaNN/releases/tag/2.0</li>
		<li>Scaricare la versione più recente di MSFileReader come file .exe. MSFileReader è disponibile gratuitamente come file .exe da https://github.com/thermofisherlsms/MSFileReader/blob/main/MSFileReader_x64.exe, necessario per elaborare i dati DIA Thermo Fisher formattati non elaborati.</li>
		<li>Scaricare la versione più recente di .NET SDK come file .exe. .NET SDK è disponibile gratuitamente come file .exe da https://dotnet.microsoft.com/en-us/download, necessario in Windows per eseguire MSFileReader.</li>
		<li>Scarica l'ultima versione di FragPipe come file .zip. FragPipe è disponibile gratuitamente come file .zip da https://github.com/Nesvilab/FragPipe/releases. Il file zip con jre è consigliato in quanto contiene un runtime Java per Windows, necessario per eseguire FragPipe. MSFragger è incorporato in FragPipe.</li>
	</ol>
	</li>
	<li>Scaricare la versione più recente di R e Rstudio e i file di script R da File supplementare 1 e File supplementare 2. R e RStudio possono essere scaricati gratuitamente da https://cran.rstudio.com/bin/windows/base/R-4.5.0-win.exe e https://posit.co/download/rstudio-desktop/.</li>
	<li>Decomprimere i file compressi e fare clic sul pulsante . exe o .msi File per installare le applicazioni.</li>
</ol>
2. Analisi dei dati DIA utilizzando DIA-NN
<ol>
	<li>Scarica il file proteome fasta di riferimento da UniProt. Per scaricare il proteoma di riferimento dell'Homo sapiens (informazioni sull'isoforma non incluse) vai alla https://www.uniprot.org/proteomes/UP000005640 (Figura 3A).</li>
	<li>Fare clic sul pulsante Aggiungi FASTA per caricare il file del proteoma di riferimento in DIA-NN.</li>
	<li>Seleziona le due opzioni FASTA digest per la ricerca/generazione di librerie senza libreria e Spectra, RT e lMs basati sul deep learning nella parte Generazione di ioni precursori. Fare clic sul pulsante Esegui per generare una libreria spettrale prevista (Figura 3B).<ol>
		<li>Una volta generato il file della libreria spettrale prevista, riutilizzarlo per altri esperimenti all'interno delle stesse impostazioni di acquisizione sperimentale facendo clic sul pulsante Spettrale per aggiungere la libreria prevista.</li>
	</ol>
	</li>
	<li>Deselezionare le due opzioni nella parte Generazione di ioni precursori e fare clic sul pulsante Tipo correlato al formato del file nella parte di input per caricare i dati DIA.</li>
	<li>Impostate Precisione di massa (Mass Accuracy) e Accuratezza MS1 (MS1) in Algoritmo (Algorithm) su 0,0 ppm.</li>
	<li>Regolare le impostazioni dell'intervallo di massa del precursore e del frammento in Parte di generazione di ioni precursori in base alle impostazioni sperimentali.</li>
	<li>Mantieni le altre impostazioni predefinite.<ol>
		<li>La generazione di precursori di DIA-NN utilizza la tripsina/P (si sfalda dopo K/R a meno che non sia seguita da prolina) con 1 scissione mancata per modellare la digestione parziale; disabilitare l'escissione di M a N-termine per peptidi non canonici (ad esempio, immunopeptidomica) o aumentare le scissioni mancate a 2 per i peptidi più lunghi.</li>
		<li>Abilita esplicitamente le modifiche alle variabili (disabilitate per impostazione predefinita) per gli studi di modifica post-traduzionale (PTM) (ad esempio, Ox (M) per l'ossidazione, K-GG per l'ubiquitinazione) ed espandi i filtri peptidici (lunghezza: 7-30 aa; carica: 1-4+; precursore m/z: 300-1800) in base alle impostazioni sperimentali (ad esempio, lunghezza: 5-50 aa, carica=1-6) per PTM di grandi dimensioni o digest non triptici.</li>
		<li>Le impostazioni dell'algoritmo sfruttano la calibrazione automatica (precisione della massa = 0,0 ppm) per un allineamento preciso della massa, con l'override con tolleranze manuali (ad esempio, 10 ppm) per gli strumenti a bassa risoluzione, e la corrispondenza tra le esecuzioni (MBR) trasferisce gli ID tra le esecuzioni (disabilitata per campioni eterogenei).</li>
		<li>Il punteggio della rete neurale aumenta la sicurezza dell'identificazione (conserva a meno che non sia di scarsa qualità dei dati), mentre la spettrometria di massa quantistica senza etichetta (UMS) consente una quantificazione ad alta precisione senza marcature; passare alla quantificazione MS2 per i tag isobarici (ad esempio, TMT). Utilizza la ricerca senza libreria solo con dati DIA ad alta risoluzione per aggirare i requisiti della libreria spettrale.</li>
	</ol>
	</li>
	<li>Fare clic sul pulsante Esegui . Attendere i risultati fino a quando nell'interfaccia operativa non viene visualizzato Finito a indicare che l'esecuzione è terminata (Figura 3C).</li>
</ol>
3. Analisi dei dati DDA utilizzando FragPipe
<ol>
	<li>Fare clic sull'icona Fragpipe nella cartella ~\FragPipe\fragpipe\bin dopo l'installazione. Tutte le impostazioni dipendenti possono essere visualizzate nella scheda Config. Verificate se i tre moduli (MSFragger, IonQuant, diaTracer, DIA-NN e Python) sono presenti sul vostro computer. In caso contrario, scaricarli facendo clic su Download/Update o Download (Figura 4A).</li>
	<li>Passa alla scheda successiva, Flusso di lavoro. Seleziona Predefinito per il flusso di lavoro e fai clic su Carica flusso di lavoro. Fare clic su Aggiungi file per aggiungere i percorsi dei file. Assegnare il nome dell'esperimento e il numero di bioreplica in Assegna file o lasciarlo (Figura 4B).</li>
	<li>Ora, fai clic su Database e vai a quella scheda. Carica un file fasta o scarica qualsiasi file fasta in base alla specie dei campioni. Durante il download, scegliere Solo sequenze revisionate, Aggiungi esche e Aggiungi opzioni di contaminanti comuni per un'esecuzione semplice (Figura 4C).</li>
	<li>Quindi fare clic su MSFragger per modificare la scheda. Scegli la configurazione predefinita di Ricerca chiusa e fai clic su Carica. NOTA: La ricerca chiusa è fondamentalmente una ricerca delle modifiche che hai impostato, mentre la ricerca aperta esplorerà tutte le possibili modifiche dai dati, il che richiede più tempo e memoria.</li>
	<li>Per la corrispondenza dei picchi, mantenere le impostazioni predefinite, ad eccezione del fatto che si consiglia di scegliere Nessuno per Calibrazione e ottimizzazione, in quanto consente di risparmiare tempo.</li>
	<li>Per la digestione delle proteine, regolare i parametri in base alle condizioni sperimentali. Mantenere le seguenti impostazioni predefinite (Figura 5A). NOTA: Le tolleranze di massa dei precursori e dei frammenti (± 20 ppm) definiscono l'errore di massa massimo consentito per abbinare gli spettri sperimentali ai peptidi teorici, con valori più stretti raccomandati per gli strumenti ad alta risoluzione. Le regole enzimatiche (tripsina stretta) specificano la specificità della scissione (dopo K/R, a meno che non sia seguita da P), con le mancate scissioni (2) che consentono peptidi parzialmente digeriti. I filtri per peptidi di lunghezza (5-50 residui) e massa (500-5000 Da) escludono candidati improbabili. Modifiche variabili (ad esempio, +15,9949 Da su metionina per l'ossidazione, +79,96633 Da su S/T/Y per fosforilazione) consentono il rilevamento di alterazioni chimiche, mentre le combinazioni Max (5) limitano le modifiche simultanee per peptide per gestire lo spazio di ricerca. Il numero massimo di modifiche variabili per sito (ad esempio, 3 su M) controlla la frequenza di modifica. Il database diviso migliora l'efficienza per i proteomi di grandi dimensioni e l'errore isotopico (0/1/2) tiene conto dei picchi isotopici assegnati in modo errato. Queste impostazioni bilanciano collettivamente sensibilità, specificità e carico computazionale nell'identificazione dei peptidi.</li>
	<li>Passare alla scheda Convalida. Deselezionare Prevedi RT e Prevedi spettri, che è per i dati DIA (Figura 5B).</li>
	<li>Fare clic sulla scheda Quant (MS1). Selezionare Esegui MS1 quant e fare clic su Carica valori predefiniti quant. Selezionate IonQuant e mantenete le impostazioni predefinite (Figura 6A). Disabilitare l'MBR per tempi di ritenzione instabili o disabilitare la normalizzazione dell'intensità se si verificano distorsioni di scalabilità globale; abilitare Mantieni indice su disco per conservare la RAM con set di dati di grandi dimensioni. NOTA: Quant (MS1) ottimizza per impostazione predefinita la quantificazione senza marcatura utilizzando MaxLPQ (MaxLFQ-based Protein Quantification, un algoritmo che estende il metodo MaxLFQ ai gruppi proteici), richiedendo ≥1 ione unico per proteina (aumento a ≥2 per una maggiore rigorosità a scapito della copertura). La corrispondenza tra le esecuzioni (MBR) trasferisce le identificazioni tra le esecuzioni utilizzando la tolleranza del tempo di ritenzione (RT) (impostazione predefinita 0,4 min; riduzione a 0,2 min per cromatografia stabile o allentamento per variabilità del gradiente) e la tolleranza alla mobilità ionica (IM) (impostazione predefinita 0,05 1/k0 [mobilità ridotta inversa]; regolazione in base alla precisione IM), filtrata in base all'≤1% FDR (False Discovery Rate; impostazione predefinita dello ione MBR FDR=0,01; inferiore a 0,005 per rigore). L'inferenza proteica utilizza uniquer+rascor (assegnazione del peptide del rasoio per il raggruppamento proteico). Il rilevamento delle caratteristiche utilizza una tolleranza di massa di 10 ppm (aumento a 20 ppm per MS a bassa risoluzione o diminuzione a 5 ppm per alta risoluzione).</li>
	<li>Ora, fai clic sulla scheda Esegui . Seleziona Directory di output. Fare clic su RUN per avviare l'analisi dei dati (Figura 6B). NOTA: Per i dati di proteomica senza marcatura che non si concentrano sulle modifiche o che utilizzano la quantificazione basata su etichetta, le schede PTM, Glyco e Quant (isobariche) non vengono utilizzate.</li>
</ol>
4. Analisi a valle DIA-NN/FragPipe
NOTA: I codici dettagliati utilizzati in questo studio sono inclusi come File supplementare 1 e File supplementare 2. Le versioni dei pacchetti utilizzati in questo studio possono essere trovate nel file supplementare 3.
<ol>
	<li>Apri RStudio e leggi i dati di espressione proteica generati da DIA-NN o FragPipe. Per l'analisi vengono normalmente utilizzati i dati della matrice del gruppo proteico che terminano con .pg_matrix.tsv da DIA-NN e i dati proteici combinati che terminano con .tsv da FragPipe.</li>
	<li>Rimuovi i valori mancanti senza compilare NA e filtra i gruppi proteici identificati e quantificati con meno di due peptidi unici. NOTA: I dati DIA in questo studio sono stati generati da gruppi proteici filtrati, mentre i dati DDA provenivano da gruppi proteici non filtrati.</li>
	<li>Normalizzare l'intensità delle proteine utilizzando la scala mediana o la normalizzazione dei quantili tra i campioni. I dati DIA in questo studio sono stati normalizzati mediante normalizzazione mediana mentre i dati DDA mediante normalizzazione quantilica per dimostrare meglio i due metodi. NOTA: La normalizzazione mediana è robusta contro i valori anomali e adatta per scenari in cui la maggior parte delle proteine rimane invariata tra i campioni, rendendo l'abbondanza proteica mediana un punto di riferimento stabile. Tuttavia, potrebbe fallire in scenari con proteine altamente differenzialmente espresse18. La normalizzazione quantilica garantisce una distribuzione uniforme delle abbondanze proteiche tra i campioni, il che è utile quando si confrontano campioni con distribuzioni disparate. È stato dimostrato che riduce la potenza statistica e può normalizzare eccessivamente i dati, mascherando potenzialmente le vere differenze biologiche18. In proteomica, la normalizzazione mediana è ampiamente utilizzata negli studi label-free per rimuovere le distorsioni sistematiche relative alle prestazioni dello strumento SM. La normalizzazione quantilica è preferita per set di dati su larga scala, analisi di espressioni differenziali e analisi di cluster19,20.</li>
	<li>Calcola le variazioni di log2 volte (ad esempio, PDAC Serum versus Normal) e i valori p del test t. Calcola i valori p corretti utilizzando il metodo Benjamini-Hochberg. Definire le soglie di significatività (ad esempio, |log2FC| &gt; 1, p_adj (FDR) &lt; 0,05). NOTA: I valori p di cutoff utilizzati nelle figure di questo studio rappresentano valori grezzi, poiché l'impiego di valori p aggiustati (p_adj) eliminerebbe tutte le proteine rilevabili all'interno della potenza statistica di questi set di dati limitati.</li>
	<li>Verificare l'esistenza di valori mancanti/NA ed escluderli. Genera un grafico del vulcano per visualizzare i colpi significativi.</li>
	<li>Selezionare proteine significativamente disregolate. Applicare la normalizzazione dello Z-score ai valori di espressione proteica. Traccia una mappa termica raggruppata con annotazioni di gruppi di esempio.</li>
	<li>Mappare le proteine agli ID di Entrez utilizzando org. Hs.eg.db. Eseguire l'arricchimento OB (processo biologico) e l'analisi del percorso KEGG. NOTA: Le categorie di processi biologici (BP) sono comunemente selezionate nell'analisi dell'ontologia genica (GO) perché descrivono i processi più ampi o i programmi biologici realizzati da più attività molecolari20. Questi termini si concentrano sulle funzioni cellulari che vanno storte in malattie come il cancro, compresi i processi essenziali come la regolazione del ciclo cellulare, i processi metabolici, ecc. Oltre alla BP, l'analisi OB include anche le categorie di funzione molecolare (MF) e componente cellulare (CC). I termini MF delineano le attività biochimiche dei prodotti genici, come il trasporto ionico o le capacità di legare il DNA. I termini CC definiscono le posizioni cellulari in cui i prodotti genici svolgono le loro funzioni, come il nucleo, la membrana mitocondriale o il citoscheletro.</li>
	<li>Eseguire una query su STRINGdb per le interazioni (punteggio di attendibilità ≥ 400). Genera una rete interattiva utilizzando visNetwork.</li>
</ol>

<ol><li>Pedrioli, P. G. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+common+open+representation+of+mass+spectrometry+data+and+its+application+to+proteomics+research%5BTitle%5D)+AND+%22Nat+Biotechnol%22%5BJournal%5D)">A common open representation of mass spectrometry data and its application to proteomics research.</a> Nat Biotechnol. 22 (11), 1459-1466 (2004).</li>
<li>Perez-Riverol, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+PRIDE+database+at+20+years%3A+2025+update%5BTitle%5D)+AND+%22Nucl+Acids+Res%22%5BJournal%5D)">The PRIDE database at 20 years: 2025 update.</a> Nucl Acids Res. 53 (D1), D543-D553 (2025).</li>
<li>Deutsch, E. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Proteomics+Standards+Initiative+at+Twenty+Years%3A+Current+Activities+and+Future+Work%5BTitle%5D)+AND+%22J+Proteome+Res%22%5BJournal%5D)">Proteomics Standards Initiative at Twenty Years: Current Activities and Future Work.</a> J Proteome Res. 22 (2), 287-301 (2023).</li>
<li>Schubert, O. T., Röst, H. L., Collins, B. C., Rosenberger, G., Aebersold, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+proteomics%3A+challenges+and+opportunities+in+basic+and+applied+research%5BTitle%5D)+AND+%22Nat+Protoc%22%5BJournal%5D)">Quantitative proteomics: challenges and opportunities in basic and applied research.</a> Nat Protoc. 12 (7), 1289-1294 (2017).</li>
<li>Wang, X., Shen, S., Rasam, S. S., Qu, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MS1+ion+current-based+quantitative+proteomics%3A+A+promising+solution+for+reliable+analysis+of+large+biological+cohorts%5BTitle%5D)+AND+%22Mass+Spectro+Rev%22%5BJournal%5D)">MS1 ion current-based quantitative proteomics: A promising solution for reliable analysis of large biological cohorts.</a> Mass Spectro Rev. 38 (6), 461-482 (2019).</li>
<li>Vaudel, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MS2-Based+Quantitation%5BTitle%5D)+AND+%22Proteome+Inform%22%5BJournal%5D)">MS2-Based Quantitation.</a> Proteome Inform. , 155-177 (2016).</li>
<li>Meyer, J. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Qualitative+and+Quantitative+Shotgun+Proteomics+Data+Analysis+from+Data-Dependent+Acquisition+Mass+Spectrometry%5BTitle%5D)+AND+%22Shotgun+Proteomics%22%5BJournal%5D)">Qualitative and Quantitative Shotgun Proteomics Data Analysis from Data-Dependent Acquisition Mass Spectrometry.</a> Shotgun Proteomics. 2259, 297-308 (2021).</li>
<li>Fröhlich, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Data-Independent+Acquisition%3A+A+Milestone+and+Prospect+in+Clinical+Mass+Spectrometry-Based+Proteomics%5BTitle%5D)+AND+%22Mol+Cell+Proteomics%22%5BJournal%5D)">Data-Independent Acquisition: A Milestone and Prospect in Clinical Mass Spectrometry-Based Proteomics.</a> Mol Cell Proteomics. 23 (8), 100800(2024).</li>
<li>Zhang, F., Ge, W., Ruan, G., Cai, X., Guo, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Data-Independent+Acquisition+Mass+Spectrometry-Based+Proteomics+and+Software+Tools%3A+A+Glimpse+in+2020%5BTitle%5D)+AND+%22Proteomics%22%5BJournal%5D)">Data-Independent Acquisition Mass Spectrometry-Based Proteomics and Software Tools: A Glimpse in 2020.</a> Proteomics. 20 (17-18), 1900276(2020).</li>
<li>Deutsch, E. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+ProteomeXchange+consortium+at+10+years%3A+2023+update%5BTitle%5D)+AND+%22Nucl+Acids+Res%22%5BJournal%5D)">The ProteomeXchange consortium at 10 years: 2023 update.</a> Nucl Acids Res. 51 (D1), D1539-D1548 (2023).</li>
<li>Demichev, V., Messner, C. B., Vernardis, S. I., Lilley, K. S., Ralser, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((DIA-NN%3Aneural+networks+and+interference+correction+enable+deep+proteome+coverage+in+high+throughput%5BTitle%5D)+AND+%22Nat+Meth%22%5BJournal%5D)">DIA-NN:neural networks and interference correction enable deep proteome coverage in high throughput.</a> Nat Meth. 17 (1), 41-44 (2020).</li>
<li>Zhang, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Comparative+Analysis+of+Data+Analysis+Tools+for+Data-Independent+Acquisition+Mass+Spectrometry%5BTitle%5D)+AND+%22Mol+Cell+Proteomics%22%5BJournal%5D)">A Comparative Analysis of Data Analysis Tools for Data-Independent Acquisition Mass Spectrometry.</a> Mol Cell Proteomics. 22 (9), 100623(2023).</li>
<li>Kong, A. T., Leprevost, F. V., Avtonomov, D. M., Mellacheruvu, D., Nesvizhskii, A. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MSFragger%3A+ultrafast+and+comprehensive+peptide+identification+in+mass+spectrometry-based+proteomics%5BTitle%5D)+AND+%22Nat+Meth%22%5BJournal%5D)">MSFragger: ultrafast and comprehensive peptide identification in mass spectrometry-based proteomics.</a> Nat Meth. 14 (5), 513-520 (2017).</li>
<li>Anderson, N. L., Anderson, N. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Human+Plasma+Proteome%5BTitle%5D)+AND+%22Mol+Cell+Proteomics%22%5BJournal%5D)">The Human Plasma Proteome.</a> Mol Cell Proteomics. 1 (11), 845-867 (2002).</li>
<li>Kowal, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Proteomic+comparison+defines+novel+markers+to+characterize+heterogeneous+populations+of+extracellular+vesicle+subtypes%5BTitle%5D)+AND+%22Proc+Natl+Acad+Sci%22%5BJournal%5D)">Proteomic comparison defines novel markers to characterize heterogeneous populations of extracellular vesicle subtypes.</a> Proc Natl Acad Sci. 113 (8), E968-E977 (2016).</li>
<li>Cao, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Proteogenomic+characterization+of+pancreatic+ductal+adenocarcinoma%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">Proteogenomic characterization of pancreatic ductal adenocarcinoma.</a> Cell. 184 (19), 5031-5052.e26 (2021).</li>
<li>Dong, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Proteogenomic+characterization+identifies+clinically+relevant+subgroups+of+intrahepatic+cholangiocarcinoma%5BTitle%5D)+AND+%22Cancer+Cell%22%5BJournal%5D)">Proteogenomic characterization identifies clinically relevant subgroups of intrahepatic cholangiocarcinoma.</a> Cancer Cell. 40 (1), 70-87.e15 (2022).</li>
<li>Dubois, E., Galindo, A. N., Dayon, L., Cominetti, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparison+of+normalization+methods+in+clinical+research+applications+of+mass+spectrometry-based+proteomics%5BTitle%5D)+AND+%222020+IEEE+Conf+Computat+Intelligence+Bioinfo+Computat+Biol%22%5BJournal%5D)">Comparison of normalization methods in clinical research applications of mass spectrometry-based proteomics.</a> 2020 IEEE Conf Computat Intelligence Bioinfo Computat Biol. , 1-10 (2020).</li>
<li>Dressler, F. F., Brägelmann, J., Reischl, M., Perner, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Normics%3A+Proteomic+Normalization+by+Variance+and+Data-Inherent+Correlation+Structure%5BTitle%5D)+AND+%22Mol+Cell+Proteomics%22%5BJournal%5D)">Normics: Proteomic Normalization by Variance and Data-Inherent Correlation Structure.</a> Mol Cell Proteomics. 21 (9), 100269(2022).</li>
<li>Dimmer, E. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Gene+Ontology+-+Providing+a+Functional+Role+in+Proteomic+Studies%5BTitle%5D)+AND+%22Proteomics%22%5BJournal%5D)">The Gene Ontology - Providing a Functional Role in Proteomic Studies.</a> Proteomics. 8 (23-24), pmic.200800002(2008).</li>
<li>Lih, T. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Detection+of+Pancreatic+Ductal+Adenocarcinoma-Associated+Proteins+in+Serum%5BTitle%5D)+AND+%22Mol+Cell+Proteomics%22%5BJournal%5D)">Detection of Pancreatic Ductal Adenocarcinoma-Associated Proteins in Serum.</a> Mol Cell Proteomics. 23 (1), 100687(2024).</li>
<li>Chinese Human Proteome Project (CNHPP) Consortium. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Proteomics+identifies+new+therapeutic+targets+of+early-stage+hepatocellular+carcinoma%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Proteomics identifies new therapeutic targets of early-stage hepatocellular carcinoma.</a> Nature. 567 (7747), 257-261 (2019).</li>
<li>Kanehisa, M., Furumichi, M., Sato, Y., Matsuura, Y., Ishiguro-Watanabe, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((KEGG%3A+biological+systems+database+as+a+model+of+the+real+world%5BTitle%5D)+AND+%22Nucl+Acids+Res%22%5BJournal%5D)">KEGG: biological systems database as a model of the real world.</a> Nucl Acids Res. 53 (D1), D672-D677 (2025).</li>
<li>Campello, E., Ilich, A., Simioni, P., Key, N. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+relationship+between+pancreatic+cancer+and+hypercoagulability%3A+a+comprehensive+review+on+epidemiological+and+biological+issues%5BTitle%5D)+AND+%22Br+J+Cancer%22%5BJournal%5D)">The relationship between pancreatic cancer and hypercoagulability: a comprehensive review on epidemiological and biological issues.</a> Br J Cancer. 121 (5), 359-371 (2019).</li>
<li>Fang, L., Xu, Q., Qian, J., Zhou, J. Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Aberrant+Factors+of+Fibrinolysis+and+Coagulation+in+Pancreatic+Cancer%5BTitle%5D)+AND+%22OncoTargets+Ther%22%5BJournal%5D)">Aberrant Factors of Fibrinolysis and Coagulation in Pancreatic Cancer.</a> OncoTargets Ther. 14, 53-65 (2021).</li>
<li>Vlodavsky, I., Elkin, M., Ilan, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impact+of+heparanase+and+the+tumor+microenvironment+on+cancer+metastasis+and+angiogenesis%3A+basic+aspects+and+clinical+applications+%5BTitle%5D)+AND+%22Rambam+Maimonides+Med+J%22%5BJournal%5D)">Impact of heparanase and the tumor microenvironment on cancer metastasis and angiogenesis: basic aspects and clinical applications .</a> Rambam Maimonides Med J. 2 (1), (2011).</li>
<li>Fröhlich, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Benchmarking+of+analysis+strategies+for+data-independent+acquisition+proteomics+using+a+large-scale+dataset+comprising+inter-patient+heterogeneity%5BTitle%5D)+AND+%22Nat+Comm%22%5BJournal%5D)">Benchmarking of analysis strategies for data-independent acquisition proteomics using a large-scale dataset comprising inter-patient heterogeneity.</a> Nat Comm. 13 (1), 2622(2022).</li>
<li>Polasky, D. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MSFragger-Labile%3A+A+Flexible+Method+to+Improve+Labile+PTM+Analysis+in+Proteomics%5BTitle%5D)+AND+%22Mol+Cell+Proteomics%22%5BJournal%5D)">MSFragger-Labile: A Flexible Method to Improve Labile PTM Analysis in Proteomics.</a> Mol Cell Proteomics. 22 (5), 100538(2023).</li>
<li>Gerault, M. A., Camoin, L., Granjeaud, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((DIAgui%3A+a+Shiny+application+to+process+the+output+from+DIA-NN%5BTitle%5D)+AND+%22Bioinfo+Adv%22%5BJournal%5D)">DIAgui: a Shiny application to process the output from DIA-NN.</a> Bioinfo Adv. 4 (1), (2024).</li>
<li>Hsiao, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Analysis+and+Visualization+of+Quantitative+Proteomics+Data+Using+FragPipe-Analyst%5BTitle%5D)+AND+%22J+Proteome+Res%22%5BJournal%5D)">Analysis and Visualization of Quantitative Proteomics Data Using FragPipe-Analyst.</a> J Proteome Res. 23 (10), 4303-4315 (2024).</li>
<li>Yu, F., Deng, Y., Nesvizhskii, A. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((MSFragger-DDA%2B+enhances+peptide+identification+sensitivity+with+full+isolation+window+search%5BTitle%5D)+AND+%22Nat+Comm%22%5BJournal%5D)">MSFragger-DDA+ enhances peptide identification sensitivity with full isolation window search.</a> Nat Comm. 16 (1), 3329(2025).</li>
<li>Li, K., Teo, G. C., Yang, K. L., Yu, F., Nesvizhskii, A. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((diaTracer+enables+spectrum-centric+analysis+of+diaPASEF+proteomics+data%5BTitle%5D)+AND+%22Nat+Comm%22%5BJournal%5D)">diaTracer enables spectrum-centric analysis of diaPASEF proteomics data.</a> Nat Comm. 16 (1), 95(2025).</li>
<li>Qiao, R., Li, H., Bian, H., Xin, L., Shan, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((De+Novo+sequencing-assisted+homology+search+for+DIA+data+analysis+enables+low+abundance+peptide+variants+discovery%5BTitle%5D)+AND+%22Biorvix%22%5BJournal%5D)">De Novo sequencing-assisted homology search for DIA data analysis enables low abundance peptide variants discovery.</a> Biorvix. 10, (2025).</li>
<li>Meissner, F., Geddes-McAlister, J., Mann, M., Bantscheff, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+emerging+role+of+mass+spectrometry-based+proteomics+in+drug+discovery%5BTitle%5D)+AND+%22Nat+Rev+Drug+Disc%22%5BJournal%5D)">The emerging role of mass spectrometry-based proteomics in drug discovery.</a> Nat Rev Drug Disc. 21 (9), 637-654 (2022).</li>
<li>Zheng, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multi-omics+data+integration+using+ratio-based+quantitative+profiling+with+Quartet+reference+materials%5BTitle%5D)+AND+%22Nat+Biotechnol%22%5BJournal%5D)">Multi-omics data integration using ratio-based quantitative profiling with Quartet reference materials.</a> Nat Biotechnol. 42 (7), 1133-1149 (2024).</li>
<li>Bubis, J. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Challenging+the+Astral+mass+analyzer+to+quantify+up+to+5%2C300+proteins+per+single+cell+at+unseen+accuracy+to+uncover+cellular+heterogeneity%5BTitle%5D)+AND+%22Nat+Meth%22%5BJournal%5D)">Challenging the Astral mass analyzer to quantify up to 5,300 proteins per single cell at unseen accuracy to uncover cellular heterogeneity.</a> Nat Meth. 22 (3), 510-519 (2025).</li>
<li>Leutert, M., Entwisle, S. W., Villén, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Decoding+Post-Translational+Modification+Crosstalk+With+Proteomics%5BTitle%5D)+AND+%22Mol+Cell+Proteomics%22%5BJournal%5D)">Decoding Post-Translational Modification Crosstalk With Proteomics.</a> Mol Cell Proteomics. 20, 100129(2021).</li>
<li>Schneider, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Scalable%2C+Web-Based+Platform+for+Proteomics+Data+Processing%2C+Result+Storage+and+Analysis%5BTitle%5D)+AND+%22Proteome+Res%22%5BJournal%5D)">A Scalable, Web-Based Platform for Proteomics Data Processing, Result Storage and Analysis.</a> Proteome Res. 24 (3), 1241-1249 (2025).</li>
<li>Jalili, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Galaxy+platform+for+accessible%2C+reproducible+and+collaborative+biomedical+analyses%3A+2020+update%5BTitle%5D)+AND+%22Nucl+Acids+Res%22%5BJournal%5D)">The Galaxy platform for accessible, reproducible and collaborative biomedical analyses: 2020 update.</a> Nucl Acids Res. 48 (W1), W395-W402 (2020).</li>
</ol>

<table><tbody><tr><td>.NET SDK v. 9.0.203</td><td>Valentina</td><td></td><td>https://dotnet.microsoft.com/en-us/download</td></tr><tr><td>DIA-NN v. 2.1.0</td><td></td><td></td><td>https://github.com/vdemichev/DiaNN/releases/tag/2.0&nbsp;</td></tr><tr><td>FragPipe v. 22.0</td><td></td><td></td><td>https://github.com/Nesvilab/FragPipe/releases</td></tr><tr><td>MSFileReader v. 3.1&nbsp;</td><td>Thermo Fisher</td><td></td><td>https://github.com/thermofisherlsms/MSFileReader/blob/main/MSFileReader_x64.exe</td></tr><tr><td>R 4.5.0</td><td></td><td></td><td>https://cran.rstudio.com/bin/windows/base/R-4.5.0-win.exe</td></tr><tr><td>Rstudio v. 2024.12.1+563</td><td></td><td></td><td>https://posit.co/download/rstudio-desktop/</td></tr></tbody></table>

navigazione dei dati proteomici basati sulla spettrometria di massa utilizzando strumenti computazionali gratuiti

Navigating the Mass Spectrometry-Based Proteomic Data Using Free Computational Tools

Per illustrare meglio la ricerca di set di dati proteomici, abbiamo selezionato due tipi di set di dati per questa analisi. Con l'obiettivo di dimostrare le proteine disregolate in contesti clinici, abbiamo cercato in PRIDE utilizzando parole chiave come clinica. In particolare, abbiamo selezionato un set di dati adatto per l'analisi DIA dal Clinical Proteomic Tumor Analysis Consortium (CPTAC)21 e un altro adatto per l'analisi DDA dal Chinese Human Proteome Project...

Navigazione dei dati proteomici basati sulla spettrometria di massa utilizzando strumenti computazionali gratuiti

Mass spectrometry (MS)-based proteomics data, including Data-Dependent Acquisition (DDA) and Data-Independent Acquisition (DIA), are widely used in ...

navigating-mass-spectrometry-based-proteomic-data-using-free

Research

Ricerca

JoVE Journal

Biology

Biologia

Questo video mostra la purificazione dei peptidi attraverso la procedura STAGE Tip. Una colonna in miniatura contenente perle di resina legate a lunghe catene di idrocarburi facilita la purificazione basata sull'interazione idrofobica. Dopo aver caricato un campione di peptide predigerito nella colonna, i frammenti di peptidi si legano alle perle di resina, consentendo il passaggio delle impurità. Per eluire i frammenti peptidici viene applicato un tampone di eluizione che interrompe...

Procedura di punta A STAGE per la desalinizzazione e la purificazione dei peptidi

Presentiamo qui protocolli per purificazione per affinità di complessi proteici e la loro separazione dal blu PAGE nativa, seguiti da proteine ​​correlazione profilatura mediante un'etichetta disponibile spettrometria di massa quantitativa. Questo metodo è utile per risolvere interattomi in distinti complessi proteici.

Risoluzione purificato per affinità complessi proteici di Blue Native PAGE e proteine ​​correlazione Profiling

Vi presentiamo un protocollo per quantificare con precisione le proteine con etichettatura isobarico, vasto frazionamento, strumenti di bioinformatica e procedura di controllo di qualità in combinazione con cromatografia liquida interfacciato ad uno spettrometro di massa ad alta risoluzione.

Proteoma profonda profilatura di etichettatura isobarico, vasto cromatografia liquida, spettrometria di massa e quantificazione assistita da Software

Un protocollo dettagliato è descritto per la separazione, identificazione e caratterizzazione di proteoforms nei campioni della proteina mediante capillare zonale elettroforesi-electrospray ionizzazione-spettrometria di massa (CZE-ESI-MS/MS). Il protocollo può essere utilizzato per la caratterizzazione ad alta risoluzione di proteoforms nei campioni della proteina semplice e l'identificazione su grande scala di proteoforms in campioni complessi proteoma.

Proteomica di Top-down su larga scala usando la spettrometria totale in Tandem elettroforesi capillare zona

OpenProt è un database liberamente accessibile che applica un modello di polycistronic dei genomi eucariotici. Qui, presentiamo un protocollo per l'utilizzo di database OpenProt quando interrogare i set di dati di spettrometria di massa. Utilizzo di OpenProt database per l'analisi di esperimenti di proteomica consente per la scoperta del romanzo e proteine precedentemente non rilevabili.

Basati sulla spettrometria di massa proteomica analisi utilizzando il Database di OpenProt a svelare nuove proteine tradotte da Non-Canonical Open Reading Frames

Per la profilazione complesso ad alta risoluzione viene presentato un versatile protocollo BN-MS crioscillante utilizzando un microtoma.

Profilazione complesso ad alta risoluzione di Cryoslicing BN-MS Analysis

Descritto è un flusso di lavoro proteomico per identificare i partner di interazione delle proteine da una frazione subcellulare nucleare utilizzando l'arricchimento dell'immunoaffinità di una determinata proteina di interesse e la spettrometria di massa priva di etichette. Il flusso di lavoro include frazionamento subcellulare, immunoprecipitazioni, preparazione dei campioni assistiti dal filtro, pulizia offline, spettrometria di massa e una pipeline bioinformatica a valle.

Flusso di lavoro per spettrometria di massa per l'immunoprecipitazioni nucleari senza etichetta per la profilazione del contraglio nucleare su larga scala

Il protocollo descritto fornisce un'analisi proteomica quantitativa ottimizzata di campioni di tessuto utilizzando due approcci: la quantificazione basata su etichette e la quantificazione senza etichette. Gli approcci basati su etichette hanno il vantaggio di una quantificazione più accurata delle proteine, mentre un approccio senza etichette è più economico e utilizzato per analizzare centinaia di campioni di una coorte.

Flusso di lavoro completo di proteomica shotgun basata su spettrometria di massa di campioni di tessuto

Qui, stabiliamo un metodo proteomico basato sulla spettrometria di massa utilizzando regioni isolate di interesse in sezioni di tessuto fissate in formalina e incluse in paraffina. Questo protocollo viene utilizzato per analizzare il proteoma proveniente da specifiche aree tissutali in sezioni di tessuto archiviate fissate in formalina e incluse in paraffina.

Un approccio semplificato per la proteomica basata sulla spettrometria di massa utilizzando regioni tissutali selezionate

Misurazione della coppia di imbardata Drosophila legato con il misuratore di coppia consente il controllo squisito neuroscienziato della situazione stimolo degli animali sperimentali. Insieme con gli strumenti genetico unico disponibile nel moscerino della frutta, questo paradigma è utilizzato per una vasta gamma di ricerca neurobiologica.

L&#39;apprendimento della Drosophila operante presso il misuratore di coppia

Impara ad analizzare dati proteomici complessi basati su spettrometria di massa utilizzando strumenti computazionali gratuiti come DIA-NN e MSFragger. Questo metodo consente ai biologi di validare scoperte e esplorare dataset pubblici senza nuovi esperimenti.

Navigazione dei dati proteomici basati sulla spettrometria di massa utilizzando strumenti computazionali gratuiti

Esplora altri video