logo-IBA-prezentace-pruhledny Proteomické data 2D gelová elektroforéza Výuka IBA logo-IBA-transparent Analýza proteomu §Od hmotnostních spekter – přeš komplexní struktury proteinových shluků - po analýzu funkce proteinů •Analýza struktury: Proteínová sekvenace – Edmanova degradace, hmotnostní spektrometrie •Analýza exprese: Hmotnostní spektrometrie, proteínové mikročipy, 2D gelová elektroforéza.. •Analýza funkce: Modelovaní makromolekulárních systémů – odvozování vlastností z atomových interakcí logo-IBA-transparent Dva hlavní přístupy §Bottom-up proteomika •protein → peptidy •analýza peptidů pomocí MS •fragmentace peptidů v MS • • §Top-down proteomika •analýza intaktních proteinů v MS •fragmentace proteinu v MS • § Zhang, H.; Ge, Y. Circ Cardiovasc Genet, 2011, 4, 711–711. logo-IBA-transparent Experiment Statistická a bioinformatická analýza Biologický materiál Izolace, štěpení LC MS/MS systém Zpracování dat Identifikace proteinů logo-IBA-transparent Typy experimentů I §Podle komplexity vzorku (počtu očekávaných proteinů): §Identifikace proteinu(ů) z gelu 2D-SDS-PAGE (jednotky proteinů, desítky vzorků) § Heineken – gel repl. 1 # 47 # 39 # 50 # 19 logo-IBA-transparent Typy experimentů I §Podle komplexity vzorku (počtu očekávaných protinů): §Identifikace proteinu(ů) z gelu 2D-SDS-PAGE (jednotky proteinů, desítky vzorků) §Identifikace proteinu v proužkách z gelu 1D-SDS-PAGE (jednotky až stovky proteinů, jednotky vzorků) § logo-IBA-transparent Typy experimentů I §Podle komplexity vzorku (počtu očekávaných protinů): §Identifikace proteinu(ů) z gelu 2D-SDS-PAGE (jednotky proteinů, desítky vzorků) §Identifikace proteinu v proužkách z gelu 1D-SDS-PAGE (jednotky až stovky proteinů, jednotky vzorků) §Relativní porovnání dvou bun. linií – wild-type vs. mutant (tisíce proteinů, jednotky vzorků) § logo-IBA-transparent Typy experimentů II §Podle použitého značení: §label-free – bez značení §SILAC – stabilní izotopové značení aminokyselin v buněčných kulturách (2-3 vzorky) §iTRAQ – izobarické značky pro relativní a absolutní kvantifikaci (4 a nebo 8 vzorků) § logo-IBA-transparent Získané informace §Kvalitativní – primární cíl §Jaké proteiny se ve vzorku vyskytují? §Kvantitativně §Hodnocení koncentrace proteinů (PSMs, AUC) §Modifikace §Výskyt posttranslačních modifikací (fosforylace) logo-IBA-transparent Experiment Statistická a bioinformatická analýza Biologický materiál Izolace, štěpení LC MS/MS systém Zpracování dat Identifikace proteinů logo-IBA-prezentace-pruhledny 2D gelová elektroforéza Výuka IBA logo-IBA-transparent Princip §Proteiny jsou separované na gelu ve dvou dimenzích – na základě hmotnosti a na základě pH pH logo-IBA-transparent Postup experimentu 1.Proteiny jsou extrahované ze vzorku 2. 2.Vzorky se umístí na gel a proteiny migrují až dosáhnou izoelektronický bod (kdy je jejich náboj nula) - pH(I) §Důležitý je výběr gelu, který musí byt dostatečně pórovitý, aby umožnil proteinům pohyb (agaróza nebo polyakrylamidový gel) § 3.Takto se proteiny oddělí vzhledem ke svému izoelektrickému bodu a k hmotnosti 4. 4.Následně proteiny necháme se pohybovat na základě hmotnosti ve druhé dimenzi 5. 5.Nakonec je gel zabarvený, aby se detekovaly jednotlivé oblasti výskytu proteinů (spoty) 6. 6.Zabarvený gel je pak digitalizován do obrazu (podobně jako mikročipy) 7. 7.Intenzita pixelů koreluje s množstvím proteinu, používá se speciální SW pro analýzu spotů logo-IBA-transparent Jak vypadá obrázek logo-IBA-transparent 2-D gelová elektroforéza § logo-IBA-transparent Jak vypadají data SSP wt_A wt_A wt_A wt_S 101 2338.84 2078.42 2625.1 2550.54 102 118.92 68.65 125.8 109.66 103 221.89 55.32 NA NA 104 215.3 189.02 220.28 NA 105 106.56 NA 238.36 NA 202 328.32 226.46 522.52 1281.75 203 259.8 228.13 340.37 NA 205 1439.72 1213.28 1187.43 1353.14 206 1094.33 754.83 1291.89 1240.82 208 97.78 41.51 164.49 33.25 209 NA NA NA 22.42 301 212.63 92.12 307.19 317.67 302 1491.34 1703.79 1830.19 1976.66 304 71.25 72.72 127.87 199.31 Vzorky Peptidy logo-IBA-transparent DIGE §Speciální typ 2-DE je 2-D Fluorescence Difference Gel Electrophoresis (DIGE). § •Proteiny se nejprve zabarví fluorescenčním barvivem • •Každé barvivo se skenuje pod jiným filtrem •Takto se může porovnávat více vzorků logo-IBA-transparent Nutnost úpravy dat §Tak jako mikročipový experiment i 2-DE je vystavená experimentálním chybám, které jsou zdrojem šumu § §Je nutná úprava a normalizace dat § §Neexistuje tu ale taková automatická kvantifikace spotů tak jako u mikročipů, protože spoty nejsou fixně dané předem! §existující automatická kvantifikace vyžaduje manuální úpravu §proměnné kvality spotů § §Data z 2DE nejsou normálně rozložené – je nutná transformace (log) § logo-IBA-transparent Normalizace a úpravy dat §Důležitým krokem v úpravě dat je kalibrace všech expresních hodnot a gelů navzájem §V tomto procesu se odstraňuje prostorový efekt, i efekt barviva §Na každém gelu jsou kontrolní proteiny, podle kterých se každý gel kalibruje (posouvá) § § logo-IBA-transparent Kontrola kvality spotů § logo-IBA-prezentace-pruhledny Hmotnostní spektrometrie Výuka IBA logo-IBA-transparent Hmotnostní spektrometrie 1. Ionizace molekul pomocí laseru 3. Pohyb iontů nulovým elektrickým polem dolů po délce MS přístroje k detektoru, který měří TOF §Technika používaná pro charakterizaci proteomu v biologickém vzorku (plasma, sérum, . . .) §Založená na rozdílné hmotnosti peptidů a proteinů §Hmotnostní spektrometr je separuje na základě poměru hmotnosti k náboji (anglicky mass to charge ratio – m/z, jednotka Dalton), který je specifický pro každou molekulu. §Najčastěji používaný - TOF 2. Urychlení iontů pomocí akceleračního potenciálu m/z Sample chip put into vacuum chamber and hit with laser Proteins desorb and ionize when the matrix absorbs the energy Ionized protein molecules go into gas phase; detector records time of flight Electric field applied to accelerate ions down flight tube logo-IBA-transparent Hmotnostní spektrometr TOF - princip §TOF (time-of-flight) závisí na hmotnosti proteinů nebo přesněji na jejich m/z a představuje sumu těchto časů: je čas letu v akcelerační oblasti, je čas přeletu v oblasti s nulovým elektrickým polem je čas detekce §TOF lze aproximovat pouze pomocí mass-to-charge ratio je vypočteno podle: § § §A a B jsou stanoveny pomocí kalibrace , Sample chip put into vacuum chamber and hit with laser Proteins desorb and ionize when the matrix absorbs the energy Ionized protein molecules go into gas phase; detector records time of flight Electric field applied to accelerate ions down flight tube logo-IBA-transparent Hmotnostní spektrometr TOF - druhy §Nejpoužívanější: §Matrix-Assisted Laser Desorption-Ionisation (MALDI)-TOF §Surface-Enhanced Laser Desorption-Ionisation (SELDI)-TOF § §Způsob uchycení proteinů a ionizace §Proteiny vzorku jsou před samotnou analýzou upevněny na podklad, který se v závislosti od typu hmotnostní spektrometrie liší. §Jeho úkolem je také absorbovat energii v ionizátoru a předat ji vzorku a tak usnadnit jeho ionizaci. §u MALDI se jedná o energii-absorbující matrici (matrix), co je nejčastěji organická kyselina s aromatickým jádrem §SELDI využívá proteinový čip (s několika - obvykle osmi - spoty), opatřen speciálním chromatografickým povrchem, takže se na povrch váží různé proteiny v závislosti na svých chemických vlastnostech a vlastnostech čipu. A až potom dojde k nanesení matrice, která se vzorkem vytvoří krystaly. § , Sample chip put into vacuum chamber and hit with laser Proteins desorb and ionize when the matrix absorbs the energy Ionized protein molecules go into gas phase; detector records time of flight Electric field applied to accelerate ions down flight tube logo-IBA-transparent Kapalinová chromatografie – MS/MS §Další druh hmotnostní spektrometrie §Vzorky nejsou na matrici jako u MALDI nebo SELDI, ale v kapalině logo-IBA-transparent rawvalues Jak vypadá TOF MS profil logo-IBA-transparent spectrum spectrumrepeat Dvě spektra z jednoho vzorku logo-IBA-transparent spectrum spectrum2 Spektra z různých vzorků logo-IBA-transparent MALDI-TOF §Matrix-Assisted Laser Desorption-Ionisation - TOF Sample chip put into vacuum chamber and hit with laser Proteins desorb and ionize when the matrix absorbs the energy Ionized protein molecules go into gas phase; detector records time of flight Electric field applied to accelerate ions down flight tube logo-IBA-transparent SELDI-TOF §Surface-Enhanced Laser Desorption-Ionisation – TOF §Existuje několik druhů čipů (IMAC30, H50, NP20...), které se liší svým aktivním povrchem (anionický, kationický, kovový, normální fáze, hydrofobický, …) a proto také přednostně vážou jiné molekuly. Výhoda SELDI: Možnost odmýt látky, které by jinak ovlivňovali spektrum vzorku (např. močovina používaná k přípravě vzorku, nebo Na+ ionty přítomné fyziologicky ve vzorcích). Sample chip put into vacuum chamber and hit with laser Proteins desorb and ionize when the matrix absorbs the energy Ionized protein molecules go into gas phase; detector records time of flight Electric field applied to accelerate ions down flight tube logo-IBA-transparent Čipy pro SELDI hmotnostní spektrometrii §Kvantitativní hodnoty proteomu jsou také ovlivněné různými zdroji variability (experimentální i biologické) §Velmi velké rozdíly mezi typy použitého čipu! H50 IMAC30 NP20acid NP20alkaline N % N % N % N % H50 75 100.0 19 47.5 24 52.2 56 59.6 IMAC30 19 25.3 40 100.0 19 41.3 21 22.3 NP20acid 24 32.0 19 47.5 46 100.0 30 31.9 NP20alkaline 56 74.7 21 52.5 30 65.2 94 100.0 separate M/Z 15 20.0% 15 37.5% 12 30.0% 28 29.8% Many published studies do not match for age or do not mention such factors (Zhang et al 2004??) Example from the clinical study later illustrates point about age. logo-IBA-transparent 2500 5000 7500 10000 2500 5000 7500 10000 0 25 50 75 100 2500 5000 7500 10000 0 25 50 75 100 2500 5000 7500 10000 0 25 50 75 100 2500 5000 7500 10000 0 25 50 75 100 2500 5000 7500 10000 2500 5000 7500 10000 2500 5000 7500 10000 0 25 50 75 100 2500 5000 7500 10000 0 25 50 75 100 2500 5000 7500 10000 0 25 50 75 100 2500 5000 7500 10000 0 25 50 75 100 2500 5000 7500 10000 2500 5000 7500 10000 2500 5000 7500 10000 0 25 50 75 100 2500 5000 7500 10000 0 25 50 75 100 2500 5000 7500 10000 0 25 50 75 100 2500 5000 7500 10000 0 25 50 75 100 2500 5000 7500 10000 Citrate EDTA Heparin Serum CM10 IMAC-Cu - H50 m/z m/z m/z Peaky profilů 3 odlišných SELDI čipů Vzorky zpracované 4 různými způsoby Banks et al, Clinical Chemistry 2005 logo-IBA-transparent Příklad §Shlukování profilů stejných vzorků ze 4 typů SELDI sklíček: §IMAC30, H50, NP20zas, NP20kys logo-IBA-transparent Úpravy dat §Kalibrace §TOF přeměněný na škálu m/z pomocí množství kalibračních proteinů ze známou m/z hodnotou. Toto se děje ještě v laboratoři § §Základní data § §Odstranění baseline §Odstranění baseline šumu z profilu, například pomocí loess §Normalizace §Abychom mohli porovnat spektra mezi vzorky logo-IBA-transparent rawvalues logo-IBA-transparent rawplusbaselineDNP Baseline subtraction logo-IBA-transparent correctedDNP Upravená data logo-IBA-transparent Normalizace §Odstraňujeme technickou variabilitu (přístrojové chyby, odlišné množství vzorku) § §Koncentrace proteinu se odhaduje jako plocha pod píkem (Area Under Curve – AUC) § § §Normalizace pomocí průměrné AUC (TIC – total ion current) §AUC celého spektra / průměrná AUC všech spekter § logo-IBA-transparent Detekce píků a jejich zarovnání §Pík ~ peptid/proteín, definuje se jako lokální maximum na základě porovnání variability v okolí § §Existují nepřesnosti na x (m/z) a y (signál) osách § §Píky každého spektra můžou být definované jako body které jsou maximálně +/- N bodů v okolí m/z §first, second, estimated.. § §Důležité je brát do úvahy signal-to-noise ratio – píky musí překročit nějakou běžnou hranici šumu On x-axis shift of 0.1% to 0.2% often quoted Results sensitive to window size chosen logo-IBA-transparent Jak vypadají data po zarovnání a detekci píků §SELDI-TOF Cluster Group Norm. Log Intensity M/Z Intensity Norm. Linear Intensity Type Mass Dev. 1 chemoresistentni 0.581550 2392.84 3.058176 30.578211 estimated 0.000007 1 chemoresistentni -0.072123 2392.84 1.943959 12.984676 estimated 0.000007 1 chemoresistentni 0.023116 2392.84 2.076621 15.079403 estimated 0.000007 1 chemoresistentni 0.160910 2392.84 2.284742 18.365652 estimated 0.000007 1 chemoresistentni 0.199591 2392.84 2.346828 19.345988 estimated 0.000007 1 chemoresistentni 0.161331 2392.82 2.285410 18.376190 first -0.000004 logo-IBA-transparent Aplikace I – identifikace bakterií Acinetobacter johnsonii Escherichia coli Ecoli Pseudomonas aeruginosa Kingella kingae 5050 2524 4426 3154 3592 2212 4120 5968 4704 7184 2746 5320 0 2000 4000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 logo-IBA-transparent Aplikace I – identifikace bakterií Acinetobacter bouvetii Acinetobacter haemolyticus Acinetobacter johnsonii NIPH 2122 Acinetobacter johnsonii NIPH 2124 logo-IBA-transparent 43 0 100 200 300 400 500 600 700 800 900 1000 Duskova KAS 151 Duskova KAS 152 Duskova KAS 153 Duskova KAS 115 Duskova KAS 110 Duskova KAS 113 Duskova KAS 137 Duskova KAS 175 Duskova KAS 155 Duskova KAS 106 Duskova KAS 102 Duskova KAS 140 Duskova KAS 105 Duskova KAS 139 Duskova KAS 112 Duskova KAS 111 Duskova KAS 114 Duskova KAS 180 Duskova KAS 187 Duskova KAS 184 Duskova KAS 190 Duskova KAS 191 Duskova KAS 192 Duskova KAS 185 Duskova KAS 186 Duskova KAS 169 Duskova KAS 188 Duskova KAS 168 Duskova KAS 170 Duskova KAS 171 Duskova KAS 121 Duskova KAS 104 Duskova KAS 183 Duskova KAS 193 Duskova KAS 223 Duskova KAS 224 Duskova KAS 88 Duskova KAS 119 Duskova KAS 125 Duskova KAS 149 Duskova KAS 89 Duskova KAS 94 Duskova KAS 91 Duskova KAS 120 Duskova KAS 148 Duskova KAS 126 Duskova KAS 99 Duskova KAS 117 Duskova KAS 118 Duskova KAS 92 Duskova KAS 236 Duskova KAS 238 Duskova KAS 242 Duskova KAS 243 Duskova KAS 237 Duskova KAS 229 Duskova KAS 231 Duskova KAS 230 Duskova KAS 239 Duskova KAS 258 Duskova KAS 209 Duskova KAS 210 Duskova KAS 226 Duskova KAS 206 Duskova KAS 205 Duskova KAS 215 Duskova KAS 124 Duskova VI Duskova XIII Duskova VII Duskova XIV Duskova KAS 240 Duskova KAS 241 Duskova KAS 244 Duskova KAS 259 Duskova KAS 212 Duskova KAS 207 Duskova KAS 208 Duskova KAS 211 Duskova KAS 213 Duskova KAS 227 Duskova KAS 228 Duskova KAS 216 Duskova KAS 167 Duskova KAS 136 Duskova KAS 165 Duskova KAS 133 Duskova KAS 247 Duskova KAS 268 Duskova KAS 225 Duskova V Duskova KAS 252 Duskova KAS 256 Duskova KAS 232 Duskova IV Duskova XV Duskova KAS 267 Duskova XI Duskova XVII Duskova XVI Duskova KAS 264 Duskova KAS 266 Duskova KAS 265 Duskova KAS 253 Duskova KAS 255 Duskova I Duskova II Duskova III Duskova KAS 248 Duskova KAS 158 Duskova KAS 203 Duskova XX Duskova XII Duskova KAS 202 Duskova KAS 142 Duskova XXI Duskova KAS 245 Duskova KAS 263 Duskova KAS 257 Duskova KAS 246 Duskova KAS 234 Duskova KAS 249 Duskova KAS 260 Duskova KAS 270 Duskova KAS 254 Duskova KAS 262 Duskova KAS 261 Duskova KAS 199 Duskova KAS 196 Duskova KAS 200 Duskova KAS 194 Duskova KAS 195 Duskova KAS 201 Duskova KAS 189 Duskova KAS 197 Duskova KAS 198 Duskova KAS 204 Duskova KAS 178 Duskova KAS 172 Duskova KAS 132 Duskova KAS 129 Duskova KAS 181 Duskova KAS 173 Duskova KAS 134 Duskova KAS 128 Duskova KAS 182 Duskova KAS 162 Duskova KAS 163 Duskova KAS 130 Duskova KAS 135 Duskova KAS 84 Duskova KAS 83 Duskova KAS 85 Duskova IX Duskova XVIII Duskova X Duskova VIII Duskova XIX Duskova KAS 251 Duskova KAS 164 Duskova KAS 141 Duskova KAS 86 Duskova KAS 96 Duskova KAS 101 Duskova KAS 95 Duskova KAS 97 Duskova KAS 176 Duskova KAS 160 Duskova KAS 179 Duskova KAS 122 Duskova KAS 123 Duskova KAS 147 Duskova KAS 90 Duskova KAS 144 Duskova KAS 145 Duskova KAS 127 Duskova KAS 116 Duskova KAS 138 Duskova KAS 100 Duskova KAS 98 Duskova KAS 93 Duskova KAS 108 Duskova KAS 107 Duskova KAS 217 Duskova KAS 221 Duskova KAS 177 Duskova KAS 222 Duskova KAS 174 Duskova KAS 154 Duskova KAS 166 Duskova KAS 156 Duskova KAS 143 Duskova KAS 146 Duskova KAS 218 Duskova KAS 219 Duskova KAS 220 Duskova KAS 150 Duskova KAS 109 Duskova KAS 161 Duskova KAS 131 Duskova KAS 103 Duskova KAS 87 Distance Level Lactococcus lactis Lactococcus garvieae Lactobacillus brevis Lactobacillus sakei Lactobacillus curvatus Enterococcus faecalis Enterococcus thailandicus Enterococcus faecium Enterococcus spp. Enterococcus hermanniensis Enterococcus devriesei Lactobacillus plantarum Lactobacillus plantarum/paraplantarum Pseudomonas spp. Weissella viridescens Corynebacterium variabile Corynebacterium spp. Streptococcus parauberis Streptococcus salivarius Streptococcus spp. Vagococcus fluvialis Leuconostoc citreum Bacillus spp. Bacillus subtilis Staphylococcus carnosus Staphylococcus spp. Staphylococcus hominis Bacillus cereus Staphylococcus epidermidis Staphylococcus spp. Staphylococcus aureus Pediococcus pentosaceus Pediococcus spp. Pediococcus acidilactici salami logo-IBA-transparent Aplikace II * * * * * * * * * * * * * * * * * * * * * MALDI-TOF MS fingerprint containing proteins 0.5 1.0 1.5 2.0 2.5 4 x10 2000 3000 4000 5000 6000 7000 8000 9000 10000 MALDI-TOF MS fingerprint containing maltooligosaccharides 0.00 0.25 0.50 0.75 1.00 1.25 4 x10 1000 1500 2000 2500 3000 3500 4000 4500 5000 m/z Šedo et al., 2012 logo-IBA-transparent Aplikace II 100 200 300 400 500 600 700 800 900 1000 Brewery 1 bottle 3 Brewery 1 bottle 4 Brewery 1 bottle 5 Brewery 1 bottle 1 Brewery 1 bottle 2 Brewery 2 bottle 3 Brewery 2 bottle 4 Brewery 2 bottle 5 Brewery 2 bottle 1 Brewery 2 bottle 2 Brewery 3 bottle 1 Brewery 3 bottle 2 Brewery 3 bottle 3 Brewery 3 bottle 4 Brewery 3 bottle 5 Distance Level logo-IBA-transparent Aplikace II 0 100 200 300 400 500 600 700 800 900 1000 Pilsner Urquell bottle 3 analysis I Pilsner Urquell bottle 3 analysis II Pilsner Urquell bottle 1 analysis I Pilsner Urquell bottle 1 analysis II Pilsner Urquell bottle 2 analysis I Pilsner Urquell bottle 2 analysis II Branik bottle 1 analysis I Branik bottle 1 analysis II Branik bottle 3 analysis I Branik bottle 3 analysis II Starobrno bottle 1 analysis II Starobrno bottle 2 analysis I Starobrno bottle 3 analysis I Starobrno bottle 3 analysis II Starobrno bottle 2 analysis II Budweiser Budvar bottle 1 analysis I Budweiser Budvar bottle 1 analysis II Budweiser Budvar bottle 2 analysis I Budweiser Budvar bottle 3 analysis I Primator bottle 1 analysis I Primator bottle 1 analysis II Cerna Hora bottle 2 analysis I Rychtar bottle 2 analysis II Rychtar bottle 3 analysis I Rychtar bottle 1 analysis I Rychtar bottle 2 analysis I Rychtar bottle 3 analysis II Rychtar bottle 1 analysis II Budweiser Budvar bottle 2 analysis II Budweiser Budvar bottle 3 analysis II Cerna Hora bottle 1 analysis I Cerna Hora bottle 1 analysis II Cerna Hora bottle 3 analysis I Cerna Hora bottle 3 analysis II Cerna hora bottle 2 analysis II Primator bottle 2 analysis I Primator bottle 2 analysis II Primator bottle 3 analysis I Primator bottle 3 analysis II Krusovice bottle 3 analysis I Staropramen bottle 3 analysis I Branik bottle 2 analysis I Branik bottle 2 analysis II Staropramen bottle 2 analysis II Staropramen bottle 2 analysis I Gambrinus bottle 1 analysis I Gambrinus bottle 1 analysis II Gambrinus bottle 3 analysis I Gambrinus bottle 3 analysis II Gambrinus bottle 2 analysis I Gambrinus bottle 2 analysis II Krusovice bottle 1 analysis II Krusovice bottle 2 analysis I Krusovice bottle 3 analysis II Starobrno bottle 1 analysis I Krusovice bottle 2 analysis II Zlaty Bazant bottle 3 analysis I Zlaty Bazant bottle 3 analysis II Zlaty Bazant bottle 2 analysis I Zlaty Bazant bottle 2 analysis II Staropramen bottle 1 analysis I Staropramen bottle 3 analysis II Staropramen bottle 1 analysis II Velkopopovicky Kozel bottle 1 analysis I Velkopopovicky Kozel bottle 2 analysis I Velkopopovicky Kozel bottle 1 analysis II Velkopopovicky Kozel bottle 3 analysis I Velkopopovicky Kozel bottle 3 analysis II Velkopopovicky Kozel bottle 2 analysis II Krusovice bottle 1 analysis I Heineken bottle 1 analysis I Zlaty Bazant bottle 1 analysis I Heineken bottle 2 analysis I Zlaty Bazant bottle 1 analysis II Heineken bottle 1 analysis II Heineken bottle 3 analysis I Heineken bottle 2 analysis II Heineken bottle 3 analysis II Bernard bottle 1 analysis I Bernard bottle 1 analysis II Bernard bottle 2 analysis I Bernard bottle 2 analysis II Bernard bottle 3 analysis II Bernard bottle 3 analysis I Carlsberg bottle 1 analysis I Carlsberg bottle 1 analysis II Carlsberg bottle 2 analysis II Carlsberg bottle 2 analysis I Carlsberg bottle 3 analysis I Carlsberg bottle 3 analysis II Stella Artois bottle 1 analysis I Stella Artois bottle 1 analysis II Stella Artois bottle 2 analysis II Stella Artois bottle 2 analysis I Stella Artois bottle 3 analysis I Stella Artois bottle 3 analysis II Corona bottle 1 analysis I Corona bottle 1 analysis II Corona bottle 3 analysis I Corona bottle 2 analysis I Corona bottle 2 analysis II Corona bottle 3 analysis II logo-IBA-transparent Zpracování dat 1.úprava hrubých dat (MS/MS i MS) 2.příprava dat pro databázové vyhledávání 3.příprava proteinové databáze, databázové vyhledávání 4.zpracování výsledků z pohledu FDR 5.výběr peptidových identifikací (PSMs) 6.rekonstrukce seznamu „identifikovaných“ proteinů 7.interpretace proteinového seznamu(ů) § logo-IBA-transparent Úprava hrubých dat §Profilové spektrum §Získané z experimentu Čárové spektrum §Vypočítané z profilového 612.5 613.0 613.5 614.0 614.5 615.0 615.5 616.0 616.5 m/z 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 614.34 615.34 612.5 613.0 613.5 614.0 614.5 615.0 615.5 616.0 616.5 m/z 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 614.37 615.32 logo-IBA-transparent Rekalibrace §Interní rekalibrace – stejná na celý záznam §lockmass – každé spektrum podle opakující se kontaminanty §Podle identifikovaných peptidů – odhad závislosti z identifikovaných peptidů (polynom) § retenční čas (min) logo-IBA-transparent Databázové vyhledávání 1.Příprava dat §Výběr „reprezentativních“ signálů MS/MS §Odstranění „méně kvalitních“ spekter MS/MS §Top N (z okna), dekonvoluce signálu a šumu § §Získáme tabulku m/z hodnot a intenzit 2.Příprava databáze §in silico štěpení sekvencí z databáze §Přiřadění jednoho a nebo více peptidů k jednomu spektru (decoy databáze, FDR, Percolator) 3.Výběr peptidových identifikací logo-IBA-transparent 1 2 3 1. prohledání dat MS/MS 2. výpočet „vlastností“ peptidů 3. propočítání skóre peptidů Propočítání skóre peptidů •Použití support vector machines (SVM) •sady identifikací •falešně pozitivní – decoy databáze •pozitivní – původní databáze (skóre) •přiřazení vah vlastnostem v SVM •např. skóre; chyba hmotnosti intenzita, modifikace, ... Þvíc identifikovaných peptidů http://per-colator.com/images/percolator.png Percolator logo-IBA-transparent Rekonstrukce sady proteinů Analogie puzzle, ALE: •Tisíce kousků: •Stejné •Poškozené •Chýbějící •Z jiných skládaček •Pasují na stejná místa Korf, Nat Methods, 2013 logo-IBA-transparent Vybrané přístupy §N – peptidové pravidlo §Proteiny, u kterých pozorujeme alespoň N peptidů §Vysoká falešná pozitivita §Používané na sekvenční homologické proteiny § §Pravděpodobnostní přístupy §ProteinProphet, Nested mixtures, Fido § § § logo-IBA-transparent Princip parsimonie a Occamové břitvy A.Vytvoření biparitního grafu: peptidy - možné proteiny B. B.Sloučení proteinů a peptidů do skupin (např. pep 3,7,9; pro 4,9) C. C. C. C.Rozdělení skupin D. D.Výběr minimální sady proteinů § § Zhang, B. et al. J. Proteome Res., 2007, 6, 3549–3557. Důsledek: falešná negativita výsledků logo-IBA-transparent Co s identifikovanými proteiny? §Závisí od původního experimentu § §Typicky doplnění anotace proteinů z databáze (GO, KEGG, TAIR) a použití metod analýzy genových sad § § § § § logo-IBA-transparent Identifikace proteinů §NCBI Protein -http://www.ncbi.nlm.nih.gov/protein §jen pro proteinové sekvence odvozeneé translací nukleotidových sekvencí §RefSeq - http://www.ncbi.nlm.nih.gov/RefSeq/ §UniProt– administrovaná databáze; kompozit SwissProt,TrEMBL a PIR-PSD–http://www.uniprot.org § § logo-IBA-prezentace-pruhledny Databáze dat Výuka IBA logo-IBA-transparent Veřejně přístupné databáze §Velké experimenty mají až stovky, a nebo tisíce vzorků, v každé se studují desetitisíce až stovky genů § §Pro publikaci výsledků je vyžadované vložit data ve standardizovaném formátu (MIAME – Minimal Information About a Microarray Experiment) do jedné z veřejně přístupných databází tak, aby kdokoliv byl schopný výsledky zreprodukovat § §Toto přináší velkou výhodu: §Můžeme data podrobit meta-analýze (simultánně porovnat data z různých experimentů) §Díky standardnímu formátu můžeme vyhledávat soubory s parametry, které potřebujeme §Data můžeme automaticky stahovat logo-IBA-transparent GEO na NCBI logo-IBA-transparent Array Express na EBI http://www.ebi.ac.uk/arrayexpress/ logo-IBA-transparent §E-learningová skripta analýzy dat IBA §http://portal.matematickabiologie.cz/index.php?pg=analyza-genomickych-a-proteomickych-dat--analyza -genomickych-a-proteomickych-dat