[发明专利]一种蛋白质鉴定方法

说明书

技术领域

本发明涉及蛋白质鉴定领域。更具体而言，本发明涉及基于数据库的蛋白质搜索鉴定方法。本发明还涉及一种构建用于蛋白质搜索鉴定的数据库的方法。

背景技术

随着近十年来基因组学(Genomics)及基因测序技术的快速发展，对基因产物蛋白质的研究也逐渐进入了生物学家的视野里，一个与基因组(Genome)对应的名词“蛋白质组(Proteome)”应运而生。蛋白质组是指一个基因组对应的所有蛋白质，或者是细胞、组织在特定条件和时间下表达的所有蛋白质。蛋白质组学(Proteomics)是指研究蛋白质组的组成、结构、性质与功能的学科。蛋白质的鉴定是整个蛋白质组学最基础和关键的。

目前，可以高通量鉴定蛋白质的基于质谱的技术主要有以下两种：基于数据库的蛋白质搜索鉴定方法和不需要数据库的蛋白质从头自主(denovo)鉴定方法。其中后者对质谱数据精度要求极高而尚未得到广泛应用。在基于数据库的蛋白质鉴定方法中，首先将蛋白质样品蛋白酶水解成多肽混合物，然后经过液相色谱分离并被离子化，进入质谱后，经过电子转移裂解(ETD)或碰撞诱导裂解(CID)裂解，形成肽段碎片离子进行二级质谱，产生实验的二级质谱图；同时将数据库中的蛋白质经过蛋白质质谱鉴定软件通过计算机进行理论的蛋白酶解、电离、碎裂、质谱，产生理论的二级质谱图。然后，将理论的二级质谱图和实验的二级质谱图进行相似性的谱图打分，选取得分最高的理论谱对应的肽段作为实验的质谱图的匹配肽段。再将这些匹配肽段合并得到对应的蛋白质。

由以上基于数据库的蛋白质鉴定方法可以看出，该方法高度依赖于数据库，在数据库中没有的蛋白是无法通过该方法鉴定。目前，有大量生物未被测序，其蛋白数据并不完备甚至很少，对基于数据库的蛋白质鉴定方法造成很大局限。

发明内容

为了克服上述蛋白数据不足带来的缺陷，发明人提供了一种基于EST(表达序列标签)序列的蛋白鉴定方法。

在本发明的第一方面，本发明提供了一种基于EST序列的蛋白鉴定方法，步骤包括：

1)使蛋白质样品成多肽片段的混合物并进行质谱，产生质谱图；

2)将相应物种的EST序列数据根据密码子原则六框翻译成EST氨基酸序列，形成EST氨基酸序列库；

3)将上述质谱图相对于上述EST氨基酸序列库进行数据库搜索，对于每一张质谱图，如果有搜索结果，将搜索到的EST氨基酸序列组成一个组；

4)将同一组中的EST氨基酸序列对应的EST序列进行拼接，具有重叠部分的EST序列拼接成更长的大片段，经过拼接后该组EST序列变成拼接后的大片段和与不能拼接的单体；

5)将一组中的大片段和单体分别比对到蛋白质数据库(优选地，动物的数据与所有动物的蛋白质数据库比对，植物的数据就与所有植物的蛋白质数据库比对)，对每个大片段和单体挑选比对分值最高且大于第一阈值的蛋白质，确定该组对应于一个蛋白或几个蛋白；

6)若是一组里的大片段和单体若比对到不同蛋白，将大片段对应的蛋白与其他单体进行比对，若比对分值满足第二阈值，则认为该组代表所述大片段对应的蛋白；

7)仅代表的一个蛋白的组对相应质谱图被鉴定为该蛋白。

在本发明的第二方面，本发明还提供了一种基于蛋白质数据库和EST序列的蛋白鉴定方法，步骤包括：

1)使蛋白质样品成多肽片段的混合物并进行质谱，产生质谱图；

2)将相应物种的EST数据序列根据密码子原则六框翻译成EST氨基酸序列，形成EST氨基酸序列库；

3)将上述质谱图相对于第一蛋白质数据库进行数据库搜索，对于每一张质谱图，如果有搜索结果，搜索到的蛋白即为对该质谱图鉴定到的蛋白；

4)将其他质谱图相对于上述EST氨基酸序列库进行数据库搜索，对于每一张质谱图，如果有搜索结果，将搜索到的EST氨基酸序列组成一个组；

5)将同一组中的EST氨基酸序列对应的EST序列进行拼接，具有重叠部分的EST序列拼接成更长的大片段，经过拼接后该组EST序列变成拼接后的大片段和与不能拼接的单体；

6)将一组中的大片段和单体分别比对到第二蛋白质数据库(优选地，动物的数据与所有动物的蛋白质数据库比对，植物的数据就与所有植物的蛋白质数据库比对)，对每个大片段和单体挑选比对分值最大且大于第一阈值的蛋白质，确定该组对应于一个蛋白或几个蛋白；

7)若是一组里的大片段和单体若比对到不同蛋白，将大片段对应的蛋白与其他单体进行比对，若比对分值满足第二阈值，则认为该组代表所述大片段对应的蛋白；