蛋白質(zhì)組學(xué)數(shù)據(jù)分析集錦

1、今天我們就來(lái)說(shuō)一說(shuō)蛋白質(zhì)組學(xué)涉及到的生信分析。1認(rèn)識(shí)你的樣本 數(shù)據(jù)到手之后，我們第一步就是希望能夠?qū)?shù)據(jù)有個(gè)大體的了解，包括組內(nèi)樣品均一性、組間樣品差異性以及變化趨勢(shì)情況，有哪些分析可以快速的將這些數(shù)據(jù)進(jìn)行可視化呢？請(qǐng)往下看：PCA分析，是一種非監(jiān)督性的多元統(tǒng)計(jì)分析，將高維復(fù)雜的數(shù)據(jù)進(jìn)行“簡(jiǎn)化和降維”，建立可靠的數(shù)學(xué)模型對(duì)研究對(duì)象的蛋白表達(dá)譜特點(diǎn)進(jìn)行歸納和總結(jié)。從總體上反映各組樣本之間的蛋白差異和組內(nèi)樣本之間的變異度大小。相關(guān)性分析，是指對(duì)兩個(gè)或多個(gè)具備相關(guān)性的變量元素進(jìn)行分析，從而衡量?jī)蓚€(gè)變量因素的相關(guān)密切程度。相關(guān)性的元素之間需要存在一定的聯(lián)系或者概率才可以進(jìn)行相關(guān)性分析?；谄柹嚓P(guān)系

2、數(shù)，可以度量組內(nèi)樣品之間的關(guān)聯(lián)程度，從而分析組內(nèi)樣品間的平行性?；鹕綀D，將所有檢測(cè)到的蛋白的差異顯著性進(jìn)行可視化展示，圖中橫坐標(biāo)為蛋白在兩個(gè)樣本間差異的倍數(shù)變化值，即樣本2的表達(dá)量除以樣本1的表達(dá)量得到的數(shù)值，對(duì)此數(shù)值做了對(duì)數(shù)化處理；縱坐標(biāo)為蛋白表達(dá)量變化差異的統(tǒng)計(jì)學(xué)t檢驗(yàn)p值，p值越小則表達(dá)差異越顯著。紫色點(diǎn)為顯著差異的蛋白，黑色點(diǎn)為非顯著差異蛋白；將所有蛋白映射上去之后，可以獲知，在左邊的點(diǎn)為表達(dá)差異下調(diào)的蛋白，右邊的點(diǎn)為表達(dá)差異上調(diào)的蛋白，越靠左/右邊和上邊的點(diǎn)表達(dá)差異越顯著。 韋恩圖，通過(guò)差異蛋白Venn 圖可觀察出差異蛋白在各對(duì)比組間的數(shù)量分布狀況。每個(gè)顏色代表一組對(duì)比分析篩選出的差

3、異代謝物。 Heatmap，可以將蛋白在各樣品中的表達(dá)趨勢(shì)進(jìn)行可視化展示，并根據(jù)表達(dá)趨勢(shì)進(jìn)行聚類(lèi)分析。圖中每列表示一個(gè)樣本，每行表示一個(gè)蛋白，圖中的顏色表示蛋白在該組樣本中相對(duì)表達(dá)量的大小，紅色代表該蛋白在該樣本中表達(dá)量較高，綠色代表表達(dá)量較低。左側(cè)為蛋白聚類(lèi)的樹(shù)狀圖，兩個(gè)蛋白分支離得越近，說(shuō)明它們的表達(dá)量越接近；上方為樣本聚類(lèi)的樹(shù)狀圖，兩個(gè)樣本分支離的越近，說(shuō)明這兩個(gè)樣本所有蛋白的表達(dá)模式越接近，即蛋白表達(dá)量變化趨勢(shì)越接近。 Cluster聚類(lèi)，圖中每一條線表示一個(gè)蛋白；每張圖展示一種類(lèi)型的表達(dá)模式，即體現(xiàn)這組蛋白表達(dá)量變化的趨勢(shì)。 2走進(jìn)你的樣品 經(jīng)過(guò)以上這些分析我們可以很直觀的看出樣本間

4、的平行性，以及組間差異性，并且能夠快速找到一些差異極其顯著或者變化規(guī)律符合我們預(yù)期的蛋白。接下來(lái)的問(wèn)題就是，我們?cè)趺粗肋@些蛋白是否與我們的研究相關(guān)，或者說(shuō)這些蛋白都執(zhí)行哪些功能、怎樣發(fā)揮作用的呢？ 這就要用到接下來(lái)的分析：GO功能注釋、KEGG注釋以及KOG注釋。GO (Gene Ontology, /) ，是基因本體論聯(lián)合會(huì)建立的將全世界所有與基因有關(guān)的研究結(jié)果進(jìn)行分類(lèi)匯總的綜合數(shù)據(jù)庫(kù)，其目的在于標(biāo)準(zhǔn)化不同數(shù)據(jù)庫(kù)中關(guān)于基因和基因產(chǎn)物的生物學(xué)術(shù)語(yǔ)，對(duì)基因和蛋白功能進(jìn)行統(tǒng)一的限定和描述。利用 GO 數(shù)據(jù)庫(kù)，可以將基因按照其參與的生物過(guò)程（Bi

5、ological Process, BP）、細(xì)胞組分（Cellular Component, CC），分子功能（Molecular Function, MF）三個(gè)方面進(jìn)行分類(lèi)注釋。因此，GO注釋有助于了解蛋白所參與的生物學(xué)功能。 KEGG Pathway注釋?zhuān)谏矬w內(nèi)，基因產(chǎn)物并不是孤立存在發(fā)揮作用的，不同基因產(chǎn)物之間通過(guò)有序的相互協(xié)調(diào)來(lái)行使其具體的生物學(xué)功能。因此，KEGG數(shù)據(jù)庫(kù)中豐富的通路信息將有助于我們從系統(tǒng)水平去了解蛋白的生物學(xué)功能，例如代謝途徑、遺傳信息傳遞以及細(xì)胞過(guò)程等一些復(fù)雜的生物功能。 COG注釋?zhuān)Q(chēng)是Cluster of Orthologous Groups of pro

6、teins，由NCBI創(chuàng)建并維護(hù)的蛋白數(shù)據(jù)庫(kù)，根據(jù)細(xì)菌、藻類(lèi)和真核生物完整基因組的編碼蛋白系統(tǒng)進(jìn)化關(guān)系分類(lèi)構(gòu)建而成。通過(guò)比對(duì)可以將某個(gè)蛋白序列注釋到某一個(gè)COG中，每一簇COG由直系同源序列構(gòu)成，從而可以推測(cè)該序列的功能。COG分為兩類(lèi)，一類(lèi)是原核生物的，另一類(lèi)是真核生物。原核生物的一般稱(chēng)為COG數(shù)據(jù)庫(kù)；真核生物的一般稱(chēng)為KOG數(shù)據(jù)庫(kù)。 3終極大招大放送 我們可以通過(guò)蛋白所發(fā)揮的作用或者參與的通路，進(jìn)一步篩選與我們的研究較為相關(guān)的蛋白進(jìn)行后續(xù)的驗(yàn)證。如果無(wú)法根據(jù)這些結(jié)果確定研究方向，那我們還有大招，就是富集分析。富集分析方法通常是分析一組蛋白在某個(gè)功能節(jié)點(diǎn)上是否出現(xiàn)過(guò)，原理是由單個(gè)蛋白的注釋分析發(fā)展為蛋白集合的注釋分析。富集分析提高了研究的可靠性，能夠識(shí)別出與生物現(xiàn)象最相關(guān)的生物學(xué)過(guò)程。GO富集，可以找到與生物現(xiàn)象最相關(guān)的生物功能，繪制成柱形圖、網(wǎng)絡(luò)圖。挑選數(shù)目最多，富集最為顯著的通路進(jìn)行后續(xù)的驗(yàn)證及深入研究。 KEGG富集，可以找到與生物現(xiàn)象最相