Proteogenomics: concepts, applications and computational strategies.
Proteogenomics: concepts, applications and computational strategies.
复制标题
DOI：
10.1038/nmeth.3144
复制
发表时间：
2014-11
期刊：
影响因子：
48
通讯作者：
Nesvizhskii, Alexey I.
中科院分区：
文献类型：
--
作者：
Nesvizhskii, Alexey I.
蛋白质基因组学是蛋白质组学和基因组学交叉的研究领域。在这种方法中，使用基因组和转录组信息生成的定制蛋白质序列数据库用于帮助从基于质谱的蛋白质组数据中识别新的肽（不存在于参考蛋白质序列数据库中）;反过来，蛋白质组数据可用于提供基因表达的蛋白质水平证据并帮助完善基因模型。近年来，由于RNA-Seq等新一代测序技术的出现，以及基于质谱的蛋白质组学在深度和通量方面的显著改善，蛋白质基因组学研究的步伐大大加快。在这里，我回顾了蛋白质基因组学方法和应用的现状，包括建立和使用定制的蛋白质序列数据库的计算策略。我还提请注意蛋白质组学中假阳性的挑战，并提供分析数据和报告蛋白质组学研究结果的指导方针。
Proteogenomics is an area of research at the interface of proteomics and genomics. In this approach, customized protein sequence databases generated using genomic and transcriptomic information are used to help identify novel peptides (not present in reference protein sequence databases) from mass spectrometry-based proteomic data; in turn, the proteomic data can be used to provide protein-level evidence of gene expression and to help refine gene models. In recent years, owing to the emergence of next generation sequencing technologies such as RNA-Seq and dramatic improvements in the depths and throughput of mass spectrometry-based proteomics, the pace of proteogenomics research has greatly accelerated. Here I review the current state of proteogenomics methods and applications, including computational strategies for building and using customized protein sequence databases. I also draw attention to the challenge of false positives in proteogenomics, and provide guidelines for analyzing the data and reporting the results of proteogenomics studies.
登录
查看更多内容
影响因子：
48
作者：
Engstrom, Par G.;Steijger, Tamara;Sipos, Botond;Grant, Gregory R.;Kahles, Andre;Raetsch, Gunnar;Goldman, Nick;Hubbard, Tim J.;Harrow, Jennifer;Guigo, Roderic;Bertone, Paul
通讯作者：
Bertone, Paul
影响因子：
10.5
作者：
Cabili, Moran N.;Trapnell, Cole;Rinn, John L.
通讯作者：
Rinn, John L.
影响因子：
28.2
作者：
Ellis MJ;Gillette M;Carr SA;Paulovich AG;Smith RD;Rodland KK;Townsend RR;Kinsinger C;Mesri M;Rodriguez H;Liebler DC;Clinical Proteomic Tumor Analysis Consortium (CPTAC)
通讯作者：
Clinical Proteomic Tumor Analysis Consortium (CPTAC)
影响因子：
3.3
作者：
Castellana N;Bafna V
通讯作者：
Bafna V
影响因子：
7
作者：
Bánfai B;Jia H;Khatun J;Wood E;Risk B;Gundling WE Jr;Kundaje A;Gunawardena HP;Yu Y;Xie L;Krajewski K;Strahl BD;Chen X;Bickel P;Giddings MC;Brown JB;Lipovich L
通讯作者：
Lipovich L