ಸೂಕ್ಷ್ಮಜೀವಿಯ ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್: ಮಾದರಿ ಸಂಸ್ಕರಣೆ, ಡೇಟಾ ಸಂಗ್ರಹಣೆಯಿಂದ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯವರೆಗೆ

ವು ಎನ್ಹುಯಿ, ಕಿಯಾವೊ ಲಿಯಾಂಗ್*

ರಸಾಯನಶಾಸ್ತ್ರ ವಿಭಾಗ, ಫುಡಾನ್ ವಿಶ್ವವಿದ್ಯಾಲಯ, ಶಾಂಘೈ 200433, ಚೀನಾ

ಸೂಕ್ಷ್ಮಜೀವಿಗಳು ಮಾನವನ ಕಾಯಿಲೆಗಳು ಮತ್ತು ಆರೋಗ್ಯಕ್ಕೆ ನಿಕಟ ಸಂಬಂಧ ಹೊಂದಿವೆ. ಸೂಕ್ಷ್ಮಜೀವಿಯ ಸಮುದಾಯಗಳ ಸಂಯೋಜನೆ ಮತ್ತು ಅವುಗಳ ಕಾರ್ಯಗಳನ್ನು ಹೇಗೆ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ತುರ್ತಾಗಿ ಅಧ್ಯಯನ ಮಾಡಬೇಕಾದ ಪ್ರಮುಖ ವಿಷಯವಾಗಿದೆ. ಇತ್ತೀಚಿನ ವರ್ಷಗಳಲ್ಲಿ, ಸೂಕ್ಷ್ಮಜೀವಿಗಳ ಸಂಯೋಜನೆ ಮತ್ತು ಕಾರ್ಯವನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್ ಪ್ರಮುಖ ತಾಂತ್ರಿಕ ಸಾಧನವಾಗಿದೆ. ಆದಾಗ್ಯೂ, ಸೂಕ್ಷ್ಮಜೀವಿಯ ಸಮುದಾಯದ ಮಾದರಿಗಳ ಸಂಕೀರ್ಣತೆ ಮತ್ತು ಹೆಚ್ಚಿನ ವೈವಿಧ್ಯತೆಯಿಂದಾಗಿ, ಮಾದರಿ ಸಂಸ್ಕರಣೆ, ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ಡೇಟಾ ಸ್ವಾಧೀನ ಮತ್ತು ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯು ಪ್ರಸ್ತುತ ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್ ಎದುರಿಸುತ್ತಿರುವ ಮೂರು ಪ್ರಮುಖ ಸವಾಲುಗಳಾಗಿವೆ. ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ, ವಿವಿಧ ರೀತಿಯ ಮಾದರಿಗಳ ಪೂರ್ವಭಾವಿ ಚಿಕಿತ್ಸೆಯನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸಲು ಮತ್ತು ವಿವಿಧ ಸೂಕ್ಷ್ಮಜೀವಿಗಳ ಪ್ರತ್ಯೇಕತೆ, ಪುಷ್ಟೀಕರಣ, ಹೊರತೆಗೆಯುವಿಕೆ ಮತ್ತು ಲೈಸಿಸ್ ಯೋಜನೆಗಳನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವುದು ಅಗತ್ಯವಾಗಿರುತ್ತದೆ. ಒಂದೇ ಜಾತಿಯ ಪ್ರೋಟಿಯೋಮ್‌ನಂತೆಯೇ, ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್‌ನಲ್ಲಿನ ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ಡೇಟಾ ಸ್ವಾಧೀನ ವಿಧಾನಗಳು ಡೇಟಾ-ಅವಲಂಬಿತ ಸ್ವಾಧೀನ (DDA) ಮೋಡ್ ಮತ್ತು ಡೇಟಾ-ಸ್ವತಂತ್ರ ಸ್ವಾಧೀನ (DIA) ಮೋಡ್ ಅನ್ನು ಒಳಗೊಂಡಿವೆ. DIA ಡೇಟಾ ಸ್ವಾಧೀನ ಮೋಡ್ ಮಾದರಿಯ ಪೆಪ್ಟೈಡ್ ಮಾಹಿತಿಯನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಸಂಗ್ರಹಿಸಬಹುದು ಮತ್ತು ಉತ್ತಮ ಅಭಿವೃದ್ಧಿ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ. ಆದಾಗ್ಯೂ, ಮೆಟಾಪ್ರೊಟೀಮ್ ಮಾದರಿಗಳ ಸಂಕೀರ್ಣತೆಯಿಂದಾಗಿ, ಅದರ DIA ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯು ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್‌ನ ಆಳವಾದ ವ್ಯಾಪ್ತಿಯನ್ನು ತಡೆಯುವ ಪ್ರಮುಖ ಸಮಸ್ಯೆಯಾಗಿದೆ. ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯ ವಿಷಯದಲ್ಲಿ, ಪ್ರೋಟೀನ್ ಅನುಕ್ರಮ ಡೇಟಾಬೇಸ್ ನಿರ್ಮಾಣವು ಪ್ರಮುಖ ಹಂತವಾಗಿದೆ. ಡೇಟಾಬೇಸ್‌ನ ಗಾತ್ರ ಮತ್ತು ಸಂಪೂರ್ಣತೆಯು ಗುರುತಿನ ಸಂಖ್ಯೆಗಳ ಮೇಲೆ ಉತ್ತಮ ಪರಿಣಾಮ ಬೀರುವುದಲ್ಲದೆ, ಜಾತಿಗಳು ಮತ್ತು ಕ್ರಿಯಾತ್ಮಕ ಹಂತಗಳಲ್ಲಿನ ವಿಶ್ಲೇಷಣೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ. ಪ್ರಸ್ತುತ, ಮೆಟಾಪ್ರೊಟಿಯೋಮ್ ಡೇಟಾಬೇಸ್ ನಿರ್ಮಾಣಕ್ಕೆ ಚಿನ್ನದ ಮಾನದಂಡವು ಮೆಟಾಜೆನೋಮ್ ಅನ್ನು ಆಧರಿಸಿದ ಪ್ರೋಟೀನ್ ಅನುಕ್ರಮ ಡೇಟಾಬೇಸ್ ಆಗಿದೆ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಪುನರಾವರ್ತಿತ ಹುಡುಕಾಟದ ಆಧಾರದ ಮೇಲೆ ಸಾರ್ವಜನಿಕ ಡೇಟಾಬೇಸ್ ಫಿಲ್ಟರಿಂಗ್ ವಿಧಾನವು ಬಲವಾದ ಪ್ರಾಯೋಗಿಕ ಮೌಲ್ಯವನ್ನು ಹೊಂದಿದೆ ಎಂದು ಸಾಬೀತಾಗಿದೆ. ನಿರ್ದಿಷ್ಟ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ ತಂತ್ರಗಳ ದೃಷ್ಟಿಕೋನದಿಂದ, ಪೆಪ್ಟೈಡ್-ಕೇಂದ್ರಿತ DIA ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ ವಿಧಾನಗಳು ಸಂಪೂರ್ಣ ಮುಖ್ಯವಾಹಿನಿಯನ್ನು ಆಕ್ರಮಿಸಿಕೊಂಡಿವೆ. ಆಳವಾದ ಕಲಿಕೆ ಮತ್ತು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಅಭಿವೃದ್ಧಿಯೊಂದಿಗೆ, ಇದು ಮ್ಯಾಕ್ರೋಪ್ರೊಟಿಮಿಕ್ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯ ನಿಖರತೆ, ವ್ಯಾಪ್ತಿ ಮತ್ತು ವಿಶ್ಲೇಷಣೆಯ ವೇಗವನ್ನು ಹೆಚ್ಚು ಉತ್ತೇಜಿಸುತ್ತದೆ. ಡೌನ್‌ಸ್ಟ್ರೀಮ್ ಬಯೋಇನ್‌ಫರ್ಮ್ಯಾಟಿಕ್ಸ್ ವಿಶ್ಲೇಷಣೆಯ ವಿಷಯದಲ್ಲಿ, ಇತ್ತೀಚಿನ ವರ್ಷಗಳಲ್ಲಿ ಟಿಪ್ಪಣಿ ಪರಿಕರಗಳ ಸರಣಿಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ, ಇದು ಸೂಕ್ಷ್ಮಜೀವಿಯ ಸಮುದಾಯಗಳ ಸಂಯೋಜನೆಯನ್ನು ಪಡೆಯಲು ಪ್ರೋಟೀನ್ ಮಟ್ಟ, ಪೆಪ್ಟೈಡ್ ಮಟ್ಟ ಮತ್ತು ಜೀನ್ ಮಟ್ಟದಲ್ಲಿ ಜಾತಿಗಳ ಟಿಪ್ಪಣಿಯನ್ನು ಮಾಡಬಹುದು. ಇತರ ಓಮಿಕ್ಸ್ ವಿಧಾನಗಳೊಂದಿಗೆ ಹೋಲಿಸಿದರೆ, ಸೂಕ್ಷ್ಮಜೀವಿಗಳ ಸಮುದಾಯಗಳ ಕ್ರಿಯಾತ್ಮಕ ವಿಶ್ಲೇಷಣೆಯು ಮ್ಯಾಕ್ರೋಪ್ರೊಟಿಮಿಕ್ಸ್ನ ವಿಶಿಷ್ಟ ಲಕ್ಷಣವಾಗಿದೆ. ಸೂಕ್ಷ್ಮಜೀವಿಗಳ ಸಮುದಾಯಗಳ ಬಹು-ಓಮಿಕ್ಸ್ ವಿಶ್ಲೇಷಣೆಯ ಪ್ರಮುಖ ಭಾಗವಾಗಿ ಮ್ಯಾಕ್ರೋಪ್ರೊಟಿಮಿಕ್ಸ್ ಮಾರ್ಪಟ್ಟಿದೆ ಮತ್ತು ಕವರೇಜ್ ಆಳ, ಪತ್ತೆ ಸೂಕ್ಷ್ಮತೆ ಮತ್ತು ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯ ಸಂಪೂರ್ಣತೆಯ ವಿಷಯದಲ್ಲಿ ಇನ್ನೂ ಉತ್ತಮ ಅಭಿವೃದ್ಧಿ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ.

01 ಮಾದರಿ ಪೂರ್ವ ಚಿಕಿತ್ಸೆ

ಪ್ರಸ್ತುತ, ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್ ತಂತ್ರಜ್ಞಾನವನ್ನು ಮಾನವನ ಸೂಕ್ಷ್ಮಜೀವಿ, ಮಣ್ಣು, ಆಹಾರ, ಸಾಗರ, ಸಕ್ರಿಯ ಕೆಸರು ಮತ್ತು ಇತರ ಕ್ಷೇತ್ರಗಳ ಸಂಶೋಧನೆಯಲ್ಲಿ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ. ಒಂದೇ ಜಾತಿಯ ಪ್ರೋಟಿಯೋಮ್ ವಿಶ್ಲೇಷಣೆಯೊಂದಿಗೆ ಹೋಲಿಸಿದರೆ, ಸಂಕೀರ್ಣ ಮಾದರಿಗಳ ಮೆಟಾಪ್ರೋಟಿಯೋಮ್‌ನ ಮಾದರಿ ಪೂರ್ವಭಾವಿ ಚಿಕಿತ್ಸೆಯು ಹೆಚ್ಚಿನ ಸವಾಲುಗಳನ್ನು ಎದುರಿಸುತ್ತಿದೆ. ನಿಜವಾದ ಮಾದರಿಗಳಲ್ಲಿನ ಸೂಕ್ಷ್ಮಜೀವಿಯ ಸಂಯೋಜನೆಯು ಸಂಕೀರ್ಣವಾಗಿದೆ, ಸಮೃದ್ಧತೆಯ ಕ್ರಿಯಾತ್ಮಕ ವ್ಯಾಪ್ತಿಯು ದೊಡ್ಡದಾಗಿದೆ, ವಿವಿಧ ರೀತಿಯ ಸೂಕ್ಷ್ಮಜೀವಿಗಳ ಜೀವಕೋಶದ ಗೋಡೆಯ ರಚನೆಯು ತುಂಬಾ ವಿಭಿನ್ನವಾಗಿದೆ ಮತ್ತು ಮಾದರಿಗಳು ಸಾಮಾನ್ಯವಾಗಿ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಹೋಸ್ಟ್ ಪ್ರೋಟೀನ್ಗಳು ಮತ್ತು ಇತರ ಕಲ್ಮಶಗಳನ್ನು ಹೊಂದಿರುತ್ತವೆ. ಆದ್ದರಿಂದ, ಮೆಟಾಪ್ರೊಟಿಯೋಮ್ನ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ, ವಿವಿಧ ರೀತಿಯ ಮಾದರಿಗಳನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸಲು ಮತ್ತು ವಿವಿಧ ಸೂಕ್ಷ್ಮಜೀವಿಗಳ ಪ್ರತ್ಯೇಕತೆ, ಪುಷ್ಟೀಕರಣ, ಹೊರತೆಗೆಯುವಿಕೆ ಮತ್ತು ಲೈಸಿಸ್ ಯೋಜನೆಗಳನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವುದು ಅಗತ್ಯವಾಗಿರುತ್ತದೆ.

ವಿಭಿನ್ನ ಮಾದರಿಗಳಿಂದ ಸೂಕ್ಷ್ಮಜೀವಿಯ ಮೆಟಾಪ್ರೊಟಿಯೋಮ್‌ಗಳ ಹೊರತೆಗೆಯುವಿಕೆಯು ಕೆಲವು ಹೋಲಿಕೆಗಳನ್ನು ಮತ್ತು ಕೆಲವು ವ್ಯತ್ಯಾಸಗಳನ್ನು ಹೊಂದಿದೆ, ಆದರೆ ಪ್ರಸ್ತುತ ವಿವಿಧ ರೀತಿಯ ಮೆಟಾಪ್ರೊಟಿಯೋಮ್ ಮಾದರಿಗಳಿಗೆ ಏಕೀಕೃತ ಪೂರ್ವ-ಸಂಸ್ಕರಣೆ ಪ್ರಕ್ರಿಯೆಯ ಕೊರತೆಯಿದೆ.

02 ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ಡೇಟಾ ಸ್ವಾಧೀನ

ಶಾಟ್‌ಗನ್ ಪ್ರೋಟಿಯೋಮ್ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ, ಪೂರ್ವಚಿಕಿತ್ಸೆಯ ನಂತರ ಪೆಪ್ಟೈಡ್ ಮಿಶ್ರಣವನ್ನು ಕ್ರೊಮ್ಯಾಟೋಗ್ರಾಫಿಕ್ ಕಾಲಮ್‌ನಲ್ಲಿ ಮೊದಲು ಬೇರ್ಪಡಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ನಂತರ ಅಯಾನೀಕರಣದ ನಂತರ ಡೇಟಾ ಸ್ವಾಧೀನಕ್ಕಾಗಿ ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೀಟರ್‌ಗೆ ಪ್ರವೇಶಿಸುತ್ತದೆ. ಏಕ ಜಾತಿಯ ಪ್ರೋಟಿಯೋಮ್ ವಿಶ್ಲೇಷಣೆಯಂತೆಯೇ, ಮ್ಯಾಕ್ರೋಪ್ರೋಟೀಮ್ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿನ ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ಡೇಟಾ ಸ್ವಾಧೀನ ವಿಧಾನಗಳು DDA ಮೋಡ್ ಮತ್ತು DIA ಮೋಡ್ ಅನ್ನು ಒಳಗೊಂಡಿವೆ.

ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ಉಪಕರಣಗಳ ನಿರಂತರ ಪುನರಾವರ್ತನೆ ಮತ್ತು ನವೀಕರಣದೊಂದಿಗೆ, ಹೆಚ್ಚಿನ ಸಂವೇದನಾಶೀಲತೆ ಮತ್ತು ರೆಸಲ್ಯೂಶನ್ ಹೊಂದಿರುವ ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ಉಪಕರಣಗಳನ್ನು ಮೆಟಾಪ್ರೊಟಿಯೋಮ್‌ಗೆ ಅನ್ವಯಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಮೆಟಾಪ್ರೊಟಿಯೋಮ್ ವಿಶ್ಲೇಷಣೆಯ ವ್ಯಾಪ್ತಿಯ ಆಳವನ್ನು ಸಹ ನಿರಂತರವಾಗಿ ಸುಧಾರಿಸಲಾಗುತ್ತದೆ. ದೀರ್ಘಕಾಲದವರೆಗೆ, ಆರ್ಬಿಟ್ರ್ಯಾಪ್ ನೇತೃತ್ವದ ಹೆಚ್ಚಿನ-ರೆಸಲ್ಯೂಶನ್ ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ಉಪಕರಣಗಳ ಸರಣಿಯನ್ನು ಮೆಟಾಪ್ರೊಟಿಯೋಮ್ನಲ್ಲಿ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗಿದೆ.

ಮೂಲ ಪಠ್ಯದ ಕೋಷ್ಟಕ 1, ಮಾದರಿ ಪ್ರಕಾರ, ವಿಶ್ಲೇಷಣಾ ತಂತ್ರ, ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ಉಪಕರಣ, ಸ್ವಾಧೀನ ವಿಧಾನ, ವಿಶ್ಲೇಷಣಾ ಸಾಫ್ಟ್‌ವೇರ್ ಮತ್ತು ಗುರುತಿಸುವಿಕೆಗಳ ಸಂಖ್ಯೆಗೆ ಸಂಬಂಧಿಸಿದಂತೆ 2011 ರಿಂದ ಇಂದಿನವರೆಗೆ ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್‌ನಲ್ಲಿ ಕೆಲವು ಪ್ರಾತಿನಿಧಿಕ ಅಧ್ಯಯನಗಳನ್ನು ತೋರಿಸುತ್ತದೆ.

03 ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ

3.1 ಡಿಡಿಎ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ ತಂತ್ರ

3.1.1 ಡೇಟಾಬೇಸ್ ಹುಡುಕಾಟ

3.1.2ಡಿ ನೋವೋಅನುಕ್ರಮ ತಂತ್ರ

3.2 DIA ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ ತಂತ್ರ

04 ಜಾತಿಗಳ ವರ್ಗೀಕರಣ ಮತ್ತು ಕ್ರಿಯಾತ್ಮಕ ಟಿಪ್ಪಣಿ

ವಿವಿಧ ವರ್ಗೀಕರಣದ ಹಂತಗಳಲ್ಲಿ ಸೂಕ್ಷ್ಮಜೀವಿ ಸಮುದಾಯಗಳ ಸಂಯೋಜನೆಯು ಸೂಕ್ಷ್ಮಜೀವಿ ಸಂಶೋಧನೆಯಲ್ಲಿ ಪ್ರಮುಖ ಸಂಶೋಧನಾ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಇತ್ತೀಚಿನ ವರ್ಷಗಳಲ್ಲಿ, ಸೂಕ್ಷ್ಮಜೀವಿಯ ಸಮುದಾಯಗಳ ಸಂಯೋಜನೆಯನ್ನು ಪಡೆಯಲು ಪ್ರೋಟೀನ್ ಮಟ್ಟ, ಪೆಪ್ಟೈಡ್ ಮಟ್ಟ ಮತ್ತು ಜೀನ್ ಮಟ್ಟದಲ್ಲಿ ಜಾತಿಗಳನ್ನು ಟಿಪ್ಪಣಿ ಮಾಡಲು ಟಿಪ್ಪಣಿ ಪರಿಕರಗಳ ಸರಣಿಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ.

ಕ್ರಿಯಾತ್ಮಕ ವಿವರಣೆಯ ಮೂಲತತ್ವವೆಂದರೆ ಗುರಿ ಪ್ರೋಟೀನ್ ಅನುಕ್ರಮವನ್ನು ಕ್ರಿಯಾತ್ಮಕ ಪ್ರೋಟೀನ್ ಅನುಕ್ರಮ ಡೇಟಾಬೇಸ್‌ನೊಂದಿಗೆ ಹೋಲಿಸುವುದು. GO, COG, KEGG, eggNOG, ಮುಂತಾದ ಜೀನ್ ಫಂಕ್ಷನ್ ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು, ಮ್ಯಾಕ್ರೋಪ್ರೊಟಿಯೋಮ್‌ಗಳಿಂದ ಗುರುತಿಸಲ್ಪಟ್ಟ ಪ್ರೋಟೀನ್‌ಗಳ ಮೇಲೆ ವಿಭಿನ್ನ ಕ್ರಿಯಾತ್ಮಕ ಟಿಪ್ಪಣಿ ವಿಶ್ಲೇಷಣೆಗಳನ್ನು ಮಾಡಬಹುದು. ಟಿಪ್ಪಣಿ ಪರಿಕರಗಳು Blast2GO, DAVID, KOBAS, ಇತ್ಯಾದಿಗಳನ್ನು ಒಳಗೊಂಡಿವೆ.

05 ಸಾರಾಂಶ ಮತ್ತು ಔಟ್ಲುಕ್

ಮಾನವನ ಆರೋಗ್ಯ ಮತ್ತು ರೋಗಗಳಲ್ಲಿ ಸೂಕ್ಷ್ಮಜೀವಿಗಳು ಪ್ರಮುಖ ಪಾತ್ರವಹಿಸುತ್ತವೆ. ಇತ್ತೀಚಿನ ವರ್ಷಗಳಲ್ಲಿ, ಸೂಕ್ಷ್ಮಜೀವಿಯ ಸಮುದಾಯಗಳ ಕಾರ್ಯವನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್ ಪ್ರಮುಖ ತಾಂತ್ರಿಕ ಸಾಧನವಾಗಿದೆ. ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್‌ನ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಪ್ರಕ್ರಿಯೆಯು ಏಕ-ಜಾತಿಯ ಪ್ರೋಟಿಯೊಮಿಕ್ಸ್‌ನಂತೆಯೇ ಇರುತ್ತದೆ, ಆದರೆ ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್‌ನ ಸಂಶೋಧನಾ ವಸ್ತುವಿನ ಸಂಕೀರ್ಣತೆಯ ಕಾರಣದಿಂದಾಗಿ, ಮಾದರಿ ಪೂರ್ವ ಚಿಕಿತ್ಸೆ, ಡೇಟಾ ಸ್ವಾಧೀನದಿಂದ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಗೆ ಪ್ರತಿ ವಿಶ್ಲೇಷಣಾ ಹಂತದಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಸಂಶೋಧನಾ ತಂತ್ರಗಳನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳಬೇಕಾಗುತ್ತದೆ. ಪ್ರಸ್ತುತ, ಪೂರ್ವಭಾವಿ ವಿಧಾನಗಳ ಸುಧಾರಣೆಗೆ ಧನ್ಯವಾದಗಳು, ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ತಂತ್ರಜ್ಞಾನದ ನಿರಂತರ ಆವಿಷ್ಕಾರ ಮತ್ತು ಬಯೋಇನ್ಫರ್ಮ್ಯಾಟಿಕ್ಸ್‌ನ ತ್ವರಿತ ಅಭಿವೃದ್ಧಿ, ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್ ಗುರುತಿಸುವಿಕೆಯ ಆಳ ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್ ವ್ಯಾಪ್ತಿಯಲ್ಲಿ ಉತ್ತಮ ಪ್ರಗತಿಯನ್ನು ಸಾಧಿಸಿದೆ.

ಮ್ಯಾಕ್ರೋಪ್ರೋಟೀಮ್ ಮಾದರಿಗಳ ಪೂರ್ವ-ಚಿಕಿತ್ಸೆಯ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ, ಮಾದರಿಯ ಸ್ವರೂಪವನ್ನು ಮೊದಲು ಪರಿಗಣಿಸಬೇಕು. ಪರಿಸರ ಕೋಶಗಳು ಮತ್ತು ಪ್ರೋಟೀನ್‌ಗಳಿಂದ ಸೂಕ್ಷ್ಮಾಣುಜೀವಿಗಳನ್ನು ಹೇಗೆ ಪ್ರತ್ಯೇಕಿಸುವುದು ಮ್ಯಾಕ್ರೋಪ್ರೋಟೀಮ್‌ಗಳು ಎದುರಿಸುತ್ತಿರುವ ಪ್ರಮುಖ ಸವಾಲುಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ, ಮತ್ತು ಪ್ರತ್ಯೇಕತೆಯ ದಕ್ಷತೆ ಮತ್ತು ಸೂಕ್ಷ್ಮಜೀವಿಯ ನಷ್ಟದ ನಡುವಿನ ಸಮತೋಲನವು ಪರಿಹರಿಸಬೇಕಾದ ತುರ್ತು ಸಮಸ್ಯೆಯಾಗಿದೆ. ಎರಡನೆಯದಾಗಿ, ಸೂಕ್ಷ್ಮಜೀವಿಗಳ ಪ್ರೋಟೀನ್ ಹೊರತೆಗೆಯುವಿಕೆಯು ವಿವಿಧ ಬ್ಯಾಕ್ಟೀರಿಯಾಗಳ ರಚನಾತ್ಮಕ ವೈವಿಧ್ಯತೆಯಿಂದ ಉಂಟಾಗುವ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಬೇಕು. ಜಾಡಿನ ಶ್ರೇಣಿಯಲ್ಲಿನ ಮ್ಯಾಕ್ರೋಪ್ರೋಟೀಮ್ ಮಾದರಿಗಳಿಗೆ ನಿರ್ದಿಷ್ಟ ಪೂರ್ವ-ಚಿಕಿತ್ಸೆ ವಿಧಾನಗಳು ಸಹ ಅಗತ್ಯವಿರುತ್ತದೆ.

ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ಉಪಕರಣಗಳ ವಿಷಯದಲ್ಲಿ, ಮುಖ್ಯವಾಹಿನಿಯ ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ಉಪಕರಣಗಳು ಆರ್ಬಿಟ್ರ್ಯಾಪ್ ಮಾಸ್ ವಿಶ್ಲೇಷಕಗಳಾದ ಎಲ್‌ಟಿಕ್ಯೂ-ಆರ್ಬಿಟ್ರ್ಯಾಪ್ ಮತ್ತು ಕ್ಯೂ ಎಕ್ಸಾಕ್ಟಿವ್ ಆಧಾರಿತ ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೀಟರ್‌ಗಳಿಂದ ಅಯಾನು ಚಲನಶೀಲತೆಯ ಆಧಾರದ ಮೇಲೆ ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೀಟರ್‌ಗಳಿಗೆ timsTOF Pro ನಂತಹ ಹಾರಾಟದ ಸಮಯದ ಮಾಸ್ ವಿಶ್ಲೇಷಕಗಳಿಗೆ ಪರಿವರ್ತನೆಗೆ ಒಳಗಾಯಿತು. . ಅಯಾನ್ ಚಲನಶೀಲತೆಯ ಆಯಾಮದ ಮಾಹಿತಿಯೊಂದಿಗೆ timsTOF ಸರಣಿಯ ಉಪಕರಣಗಳು ಹೆಚ್ಚಿನ ಪತ್ತೆ ನಿಖರತೆ, ಕಡಿಮೆ ಪತ್ತೆ ಮಿತಿ ಮತ್ತು ಉತ್ತಮ ಪುನರಾವರ್ತನೆಯನ್ನು ಹೊಂದಿವೆ. ಒಂದೇ ಜಾತಿಯ ಪ್ರೋಟಿಯೋಮ್, ಮೆಟಾಪ್ರೊಟಿಯೋಮ್ ಮತ್ತು ಮೆಟಾಬೊಲೋಮ್‌ನಂತಹ ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ಪತ್ತೆಗೆ ಅಗತ್ಯವಿರುವ ವಿವಿಧ ಸಂಶೋಧನಾ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಅವು ಕ್ರಮೇಣ ಪ್ರಮುಖ ಸಾಧನಗಳಾಗಿವೆ. ದೀರ್ಘಕಾಲದವರೆಗೆ, ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ಉಪಕರಣಗಳ ಡೈನಾಮಿಕ್ ಶ್ರೇಣಿಯು ಮೆಟಾಪ್ರೊಟಿಯೋಮ್ ಸಂಶೋಧನೆಯ ಪ್ರೋಟೀನ್ ವ್ಯಾಪ್ತಿಯ ಆಳವನ್ನು ಸೀಮಿತಗೊಳಿಸಿದೆ ಎಂದು ಗಮನಿಸಬೇಕಾದ ಅಂಶವಾಗಿದೆ. ಭವಿಷ್ಯದಲ್ಲಿ, ದೊಡ್ಡ ಡೈನಾಮಿಕ್ ಶ್ರೇಣಿಯನ್ನು ಹೊಂದಿರುವ ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ಉಪಕರಣಗಳು ಮೆಟಾಪ್ರೊಟಿಯೋಮ್‌ಗಳಲ್ಲಿ ಪ್ರೋಟೀನ್ ಗುರುತಿಸುವಿಕೆಯ ಸೂಕ್ಷ್ಮತೆ ಮತ್ತು ನಿಖರತೆಯನ್ನು ಸುಧಾರಿಸಬಹುದು.

ಮಾಸ್ ಸ್ಪೆಕ್ಟ್ರೋಮೆಟ್ರಿ ಡೇಟಾ ಸ್ವಾಧೀನಕ್ಕಾಗಿ, DIA ಡೇಟಾ ಸ್ವಾಧೀನ ಮೋಡ್ ಅನ್ನು ಒಂದೇ ಜಾತಿಯ ಪ್ರೋಟಿಯೋಮ್‌ನಲ್ಲಿ ವ್ಯಾಪಕವಾಗಿ ಅಳವಡಿಸಿಕೊಂಡಿದ್ದರೂ, ಹೆಚ್ಚಿನ ಪ್ರಸ್ತುತ ಮ್ಯಾಕ್ರೋಪ್ರೋಟಿಯೋಮ್ ವಿಶ್ಲೇಷಣೆಗಳು ಇನ್ನೂ DDA ಡೇಟಾ ಸ್ವಾಧೀನ ಮೋಡ್ ಅನ್ನು ಬಳಸುತ್ತವೆ. DIA ಡೇಟಾ ಸ್ವಾಧೀನ ಮೋಡ್ ಸಂಪೂರ್ಣವಾಗಿ ಮಾದರಿಯ ತುಣುಕು ಅಯಾನು ಮಾಹಿತಿಯನ್ನು ಪಡೆಯಬಹುದು, ಮತ್ತು DDA ಡೇಟಾ ಸ್ವಾಧೀನ ಮೋಡ್‌ನೊಂದಿಗೆ ಹೋಲಿಸಿದರೆ, ಇದು ಮ್ಯಾಕ್ರೋಪ್ರೋಟೀಮ್ ಮಾದರಿಯ ಪೆಪ್ಟೈಡ್ ಮಾಹಿತಿಯನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಪಡೆಯುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ. ಆದಾಗ್ಯೂ, DIA ಡೇಟಾದ ಹೆಚ್ಚಿನ ಸಂಕೀರ್ಣತೆಯಿಂದಾಗಿ, DIA ಮ್ಯಾಕ್ರೋಪ್ರೋಟೀಮ್ ಡೇಟಾದ ವಿಶ್ಲೇಷಣೆಯು ಇನ್ನೂ ಹೆಚ್ಚಿನ ತೊಂದರೆಗಳನ್ನು ಎದುರಿಸುತ್ತಿದೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮತ್ತು ಆಳವಾದ ಕಲಿಕೆಯ ಅಭಿವೃದ್ಧಿಯು DIA ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯ ನಿಖರತೆ ಮತ್ತು ಸಂಪೂರ್ಣತೆಯನ್ನು ಸುಧಾರಿಸುವ ನಿರೀಕ್ಷೆಯಿದೆ.

ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್‌ನ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ, ಪ್ರೋಟೀನ್ ಅನುಕ್ರಮ ಡೇಟಾಬೇಸ್‌ನ ನಿರ್ಮಾಣವು ಪ್ರಮುಖ ಹಂತಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಕರುಳಿನ ಸಸ್ಯಗಳಂತಹ ಜನಪ್ರಿಯ ಸಂಶೋಧನಾ ಕ್ಷೇತ್ರಗಳಿಗೆ, IGC ಮತ್ತು HMP ಯಂತಹ ಕರುಳಿನ ಸೂಕ್ಷ್ಮಜೀವಿಯ ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ಬಳಸಬಹುದು ಮತ್ತು ಉತ್ತಮ ಗುರುತಿನ ಫಲಿತಾಂಶಗಳನ್ನು ಸಾಧಿಸಲಾಗಿದೆ. ಹೆಚ್ಚಿನ ಇತರ ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್ ವಿಶ್ಲೇಷಣೆಗಳಿಗೆ, ಮೆಟಾಜೆನೊಮಿಕ್ ಸೀಕ್ವೆನ್ಸಿಂಗ್ ಡೇಟಾದ ಆಧಾರದ ಮೇಲೆ ಮಾದರಿ-ನಿರ್ದಿಷ್ಟ ಪ್ರೊಟೀನ್ ಅನುಕ್ರಮ ಡೇಟಾಬೇಸ್ ಅನ್ನು ಸ್ಥಾಪಿಸುವುದು ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿ ಡೇಟಾಬೇಸ್ ನಿರ್ಮಾಣ ತಂತ್ರವಾಗಿದೆ. ಹೆಚ್ಚಿನ ಸಂಕೀರ್ಣತೆ ಮತ್ತು ದೊಡ್ಡ ಡೈನಾಮಿಕ್ ವ್ಯಾಪ್ತಿಯೊಂದಿಗೆ ಸೂಕ್ಷ್ಮಜೀವಿಯ ಸಮುದಾಯ ಮಾದರಿಗಳಿಗೆ, ಕಡಿಮೆ-ಸಮೃದ್ಧಿ ಜಾತಿಗಳ ಗುರುತಿಸುವಿಕೆಯನ್ನು ಹೆಚ್ಚಿಸಲು ಅನುಕ್ರಮ ಆಳವನ್ನು ಹೆಚ್ಚಿಸುವ ಅವಶ್ಯಕತೆಯಿದೆ, ಇದರಿಂದಾಗಿ ಪ್ರೋಟೀನ್ ಅನುಕ್ರಮ ಡೇಟಾಬೇಸ್ನ ವ್ಯಾಪ್ತಿಯನ್ನು ಸುಧಾರಿಸುತ್ತದೆ. ಅನುಕ್ರಮ ಡೇಟಾ ಕೊರತೆಯಿರುವಾಗ, ಸಾರ್ವಜನಿಕ ಡೇಟಾಬೇಸ್ ಅನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸಲು ಪುನರಾವರ್ತಿತ ಹುಡುಕಾಟ ವಿಧಾನವನ್ನು ಬಳಸಬಹುದು. ಆದಾಗ್ಯೂ, ಪುನರಾವರ್ತಿತ ಹುಡುಕಾಟವು FDR ಗುಣಮಟ್ಟದ ನಿಯಂತ್ರಣದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರಬಹುದು, ಆದ್ದರಿಂದ ಹುಡುಕಾಟ ಫಲಿತಾಂಶಗಳನ್ನು ಎಚ್ಚರಿಕೆಯಿಂದ ಪರಿಶೀಲಿಸುವ ಅಗತ್ಯವಿದೆ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಸಾಂಪ್ರದಾಯಿಕ ಎಫ್‌ಡಿಆರ್ ಗುಣಮಟ್ಟ ನಿಯಂತ್ರಣ ಮಾದರಿಗಳ ಅನ್ವಯಿಸುವಿಕೆ ಇನ್ನೂ ಅನ್ವೇಷಿಸಲು ಯೋಗ್ಯವಾಗಿದೆ. ಹುಡುಕಾಟ ತಂತ್ರದ ವಿಷಯದಲ್ಲಿ, ಹೈಬ್ರಿಡ್ ಸ್ಪೆಕ್ಟ್ರಲ್ ಲೈಬ್ರರಿ ತಂತ್ರವು DIA ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್‌ನ ವ್ಯಾಪ್ತಿಯ ಆಳವನ್ನು ಸುಧಾರಿಸುತ್ತದೆ. ಇತ್ತೀಚಿನ ವರ್ಷಗಳಲ್ಲಿ, ಆಳವಾದ ಕಲಿಕೆಯ ಆಧಾರದ ಮೇಲೆ ರಚಿಸಲಾದ ಭವಿಷ್ಯ ಸ್ಪೆಕ್ಟ್ರಲ್ ಲೈಬ್ರರಿಯು DIA ಪ್ರೋಟಿಯೊಮಿಕ್ಸ್‌ನಲ್ಲಿ ಉತ್ತಮ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ತೋರಿಸಿದೆ. ಆದಾಗ್ಯೂ, ಮೆಟಾಪ್ರೊಟಿಯೋಮ್ ಡೇಟಾಬೇಸ್‌ಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಮಿಲಿಯನ್‌ಗಟ್ಟಲೆ ಪ್ರೋಟೀನ್ ನಮೂದುಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ, ಇದು ದೊಡ್ಡ ಪ್ರಮಾಣದ ನಿರೀಕ್ಷಿತ ಸ್ಪೆಕ್ಟ್ರಲ್ ಲೈಬ್ರರಿಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತದೆ, ಬಹಳಷ್ಟು ಕಂಪ್ಯೂಟಿಂಗ್ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಬಳಸುತ್ತದೆ ಮತ್ತು ದೊಡ್ಡ ಹುಡುಕಾಟ ಜಾಗದಲ್ಲಿ ಫಲಿತಾಂಶವನ್ನು ನೀಡುತ್ತದೆ. ಇದರ ಜೊತೆಯಲ್ಲಿ, ಮೆಟಾಪ್ರೊಟಿಯೋಮ್‌ಗಳಲ್ಲಿನ ಪ್ರೋಟೀನ್ ಅನುಕ್ರಮಗಳ ನಡುವಿನ ಹೋಲಿಕೆಯು ಬಹಳ ವ್ಯತ್ಯಾಸಗೊಳ್ಳುತ್ತದೆ, ಇದು ಸ್ಪೆಕ್ಟ್ರಲ್ ಲೈಬ್ರರಿ ಪ್ರಿಡಿಕ್ಷನ್ ಮಾದರಿಯ ನಿಖರತೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಕಷ್ಟಕರವಾಗಿದೆ, ಆದ್ದರಿಂದ ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್‌ನಲ್ಲಿ ಊಹಿಸಲಾದ ಸ್ಪೆಕ್ಟ್ರಲ್ ಲೈಬ್ರರಿಗಳನ್ನು ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗಿಲ್ಲ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಹೆಚ್ಚಿನ ಅನುಕ್ರಮ-ಸಮಾನ ಪ್ರೋಟೀನ್‌ಗಳ ಮೆಟಾಪ್ರೊಟಿಯೊಮಿಕ್ಸ್ ವಿಶ್ಲೇಷಣೆಗೆ ಅನ್ವಯಿಸಲು ಹೊಸ ಪ್ರೊಟೀನ್ ನಿರ್ಣಯ ಮತ್ತು ವರ್ಗೀಕರಣ ಟಿಪ್ಪಣಿ ತಂತ್ರಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಬೇಕಾಗಿದೆ.

ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಹೇಳುವುದಾದರೆ, ಉದಯೋನ್ಮುಖ ಮೈಕ್ರೋಬಯೋಮ್ ಸಂಶೋಧನಾ ತಂತ್ರಜ್ಞಾನವಾಗಿ, ಮೆಟಾಪ್ರೊಟಿಮಿಕ್ಸ್ ತಂತ್ರಜ್ಞಾನವು ಗಮನಾರ್ಹ ಸಂಶೋಧನಾ ಫಲಿತಾಂಶಗಳನ್ನು ಸಾಧಿಸಿದೆ ಮತ್ತು ಬೃಹತ್ ಅಭಿವೃದ್ಧಿ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ.