Gambaran Umum

Bioinformatika proteomika adalah disiplin komputasional yang mengubah data spektrometri massa mentah menjadi pengetahuan biologis tentang protein. Ini membahas kompleksitas proteom yang luar biasa — ribuan protein, masing-masing berpotensi membawa beberapa modifikasi pasca-translasi, varian sambungan, dan produk degradasi. Bidang ini mengembangkan algoritma untuk identifikasi peptida, inferensi protein, kuantifikasi, dan validasi statistik. Dengan mengubah sinyal spektral menjadi protein yang teridentifikasi dan terkuantifikasi, bioinformatika proteomika memungkinkan peneliti untuk mengajukan pertanyaan tingkat sistem tentang fungsi seluler, mekanisme penyakit, dan respons obat.

Konsep Kunci

Pusat bidang ini adalah paradigma pencarian basis data, di mana spektrum massa tandem eksperimental dibandingkan dengan spektrum teoretis yang diturunkan dari basis data sekuens protein. Algoritma seperti SEQUEST, Mascot, dan MS-GF+ menetapkan kecocokan spektrum-peptida (PSM) menggunakan fungsi penilaian yang memperhitungkan seri ion fragmen dan massa prekursor. Estimasi false discovery rate (FDR) melalui pencarian target-decoy mengontrol tingkat kesalahan identifikasi. Inferensi protein membahas masalah peptida bersama — peptida yang umum untuk beberapa protein — menggunakan prinsip parsimoni dan pendekatan Bayesian.

Aplikasi

Bioinformatika proteomika diterapkan dalam penemuan biomarker, di mana ekspresi protein diferensial antara jaringan sehat dan sakit ditambang untuk kandidat diagnostik. Ini mendukung identifikasi target obat dengan memprofilkan perubahan kelimpahan protein setelah perlakuan senyawa. Bidang ini juga mendukung karakterisasi post-translational modifications dan terintegrasi dengan alur kerja proteomics and mass spectrometry. Data dari eksperimen mass spectrometry diproses melalui pipeline yang juga menggabungkan hasil dari protein extraction and purification untuk memastikan kualitas sampel tercermin dalam analisis akhir.