穿越蛋白組學數據叢林

數據處理，驗證，標準和蛋白質定量都是2007年10月在韓國舉行的第六屆人類蛋白質組組織(HUPO)世界年度會議的主題討論內容。

HUPO成立于2001年2月，即人類基因組首張草圖公布的同一周。現在，該組織的委員會有來自19個國家的48名成員，總部位于加拿大的麥吉爾大學以及蒙特利爾的基因組魁北克創新中心。HUPO有來自69個國家的2000名組成成員。

據布魯克·道爾頓公司的生物信息學主任Herbert Thiele稱：“我們已經從生物信息學中了解了很多，我們必須處理不同的蛋白組學工作流。蛋白質組非常復雜，因此需要不同的多步方法。”通常要求電泳和液相色譜 (LC)技術與不同的MS和MS/MS方法相組合。

Thiele稱：“用于數據存儲和分析的任何軟件解決方案，都將以一種靈活的方式處理不同的工作流。”布魯克的蛋白質評分（ProteinScape）平臺，通過一種靈活的被分析物譜系概念，支持各種發現工作流，也滿足科學家在生物標記描述和定量中的需求。Thiele指出，數據庫解決方案是“互相比較實驗，以及基于過去的實驗抽取知識”的唯一方法。

Thiele認為，定量正變得越來越重要。“所有的供應商正在努力提供定量工具。”ProteinScape完全支持當前所有為蛋白質定量的標簽化學，軟件將處理未來的標簽技術。目前，基于原始的LC/MS數據的蛋白質定量的交互式驗證，既簡單又直接。

最近在MS儀器方面的改良，使得一種基于MS的非標記定量方法成為可能。該技術有望成為當前定量方法（如基于MS的標簽）的一種重要補充。非標記定量方法的高流通量兼容性，允許對大批量的樣本進行處理。處理這些來自數據預處理的工作流，定量結果的統計驗證是一個巨大的挑戰。

腦蛋白質組計劃

從HUPO 2007會議上了解到的一個重要的信息是，對標準化分析方法和結果驗證技術的需求。人腦蛋白質組計劃是HUPO全球9大計劃之一，由德國Medizinisches蛋白質組中心的Helmut E. Meyer領導。目標是采用老鼠和人樣本，繪制“大腦的蛋白質組藍圖”，深入洞察神經變性疾病，形成人類大腦中的蛋白質詳細目錄。

腦協會為蛋白質鑒別的數據處理制定了指導方針，Thiele 認為這是“向前邁出的非常重要的一步”，使得研究人員“在巨大的蛋白組學數據的叢林中，可以對產生的所有數據比較結果，并且統計關聯性”。包括一個數據處理線的數據存儲系統，強制性的進行數據比較和驗證。

Thiele稱：“蛋白質鑒定的基本問題是，你獲得了蛋白質鑒定的潛在長名單，但是，沒有人告訴你哪個蛋白質是實際正確的那個。”通過把人工的蛋白質序列混合到數據庫中，圈套策略可以讓研究人員測量出假陽性率，對于蛋白質鑒定和定性來說，ProteinScape可以作為補充工具。使用不同的檢索引擎，在改善靈敏度的情況下（導致更多的蛋白質鑒定），可以提供鑒定的自動交叉生效結果。用ProteinScape工具對合成的胎段鑒定進行分析。這樣可以將來自不同搜索引擎，不同實驗(ESI and MALDI)的數據進行合并，產生一個整和的結果。用圈套策略可以將手工驗證的需求降到最低。

Thiele認為，在不遠的將來，所有的蛋白質鑒定必將具有統計學意義，這樣每個人都能判斷信息的有效性。“我們需要重復性和標準化方式，在產生的結果中建立可信度”。

與基因組學研究相類似，LC/MS質譜分析技術在蛋白組學中的多樣性，正在產生大量的數據，提出了生物信息學的兩個主要問題。第一，我們需要數據庫中的所有原始數據嗎？為了解決這個問題，處理流水線必須能夠壓縮數據，專用的軟件工具必須能驗證結果。Thiele 認為：“這些工具應該能顯示出所挑選的原始數據，并且與結果相關。”尤其是應用定量算法時，訪問MS原始數據，必須確保原始數據中所包含的信息不會受到處理過程的干擾。

其他的數據處理問題關注的是基于不同工作流的數據可視化軟件，如凝膠成像和LC/MS數據集。“對于LC/MS數據的巨大圖譜，整個大量的數據庫需要一個用戶友好型的導航系統。”Thiele說道。“你需要可視化工具，把數據的快速多分辨率可視化作為一種圖像，確保從所有光譜的整體概述到選擇的同位素峰巔的無縫轉變。”實例包括Gene Bio公司的Msight，以及Bruker 的SurveyViewer。

機讀實驗

當然，生成的大量蛋白質名單不是蛋白組學的最終目的。為了能對結果進行評估和試驗比較，實驗的條件必須是簡明的，可重現的，并且是機器可讀的方式，這一工作由歐洲生物信息研究生的蛋白組學鑒定數據庫（PRIDE）完成。

Thiele表示：“最終目標是處理，分類，并且把蛋白組學數據歸檔到數據庫中，與科學雜志的出版商一起合作，設定專門的指導方針。過去，所有的制造商擁有他們自己的文件格式，軟件只在銷售商的機器上運行。現在，銷售商與贊助商一起參與支持數據的標準化建設。”這將幫助研究人員在一臺儀器上生成數據，再用專門的軟件工具將數據轉化成知識。

歐盟資助的ProDaC（蛋白組學數據收集）協會將完成數據的存儲和標準制定，使轉換工具生效，并且建立標準化的信息提交渠道，進入到中央數據庫。例如，腦蛋白質組計劃已經把ProteinScape數據庫文件上傳到PRIDE。

從這點來看，IT在計算機的群和計算機柵格技術中都具有重要作用。不遠的將來，在一個分布式的計算環境中，大規模MS數據集的自動化平行處理，聯合不同位點的計算機資源，執行特殊的任務——將是最大的挑戰。

金標準

另一個與HUPO有關的數據是Invitrogen公司創造的，該公司正在發起HUPO Gold Mass Spectrometry蛋白質標準抽樣計劃。

作為首個商業化產品，為質譜儀提供的重組人蛋白質標準，HUPO Gold MS標準是一個人蛋白質已知的確定混合體，能作為一種基準去判定數據質量，并且讓研究人員相互參照他們的結果。標準與所用的質譜儀類型無關。

HUPO 科學創新主席John Bergeron表示：“隨著許多質譜儀工作流的發布，加上可用的大量設備和數據分析軟件包，當前研究人員面臨的主要挑戰是對已發表的數據進行確認和比較。”在HUPO的培訓協助下，新標準將讓該領域產生的數據在準確性和可重復性上做的越來越好。

Invitrogen公司的研發副總裁表示，當前的質譜儀標準，以自然遺傳變異為基礎，在質量上可能包含污染物或者是輕微的變化。“我們已經設計了有價值的方法，幫助科學家在進行底物鑒定時更確定，并且允許他們在全球研究范圍內參照他們的成果。”

HUPO Gold MS蛋白質標準樣本將在2008年面世，供HUPO成員使用。