mol

通过深度学习技术根据肽段序列预测其LC-MS/MS谱特征 解读人：梅占龙 质谱平台 文献名： Prediction of LC-MS/MS properties of peptides from sequence by deep learning 期刊名： Molecular & Cellular Proteomics 发表时间： 2019年9月 IF ： 4.828 作者： Shenheng Guan​ 1,2, *​ , Michael F. Moran​ 2,3 ​, and Bin Ma​ 1 单位： 1加拿大滑铁卢大学滑铁卢大学戴维·R·切里顿计算机科学学院，加拿大N2L 3G1 2儿童医院细胞生物学和SPARC生物中心, 安大略省多伦多市湾街686号, 加拿大，M5G 0A4 3多伦多大学分子遗传学系，安大略省多伦多市Bay Bay 686号，M5G 0A4，加拿大 一、 概述： 本文开发了根据肽段序列预测来三个关键LC-MS/MS特性的深度学习模型。 LC-MS/MS的特性指的是保留时间（iRT），MS1电荷分布以及HCD谱图的子离子强度分布。利用核心深度监督学习体系结构，双向长期短期记忆（LSTM）递归神经网络来构建这三个预测模型。本文提出并展示了两种个性化方案以对修饰进行分析。使用2 X 10 6 实验谱图对HCD碎裂谱图预测模型进行了训练

文献名： 利用靶向质谱策略进行上皮性卵巢癌病例的蛋白质组生物标志物研究 期刊名： Molecular & Cellular Proteomics 发表时间： （2019年7月） IF ： 5.41 单位： 苏黎世联邦理工学院 美国东北大学 隆德大学 苏黎世大学附属医院 普渡大学 巴塞尔大学附属医院 巴赛尔大学生物医学系 法兰克福大学附属医院 哈佛医学院 斯科讷大学附属医院 苏黎世大学 物种： 小鼠卵巢组织，小鼠卵巢肿瘤组织，人类血浆，人类卵巢组织，人类良性卵巢肿瘤组织，人类上皮卵巢癌组织 技术： 非靶糖蛋白质组学，靶向糖蛋白质组学，组织微阵列 一、 概述： （用精炼的语言描述文章的整体思路及结果） 本研究首先利用卵巢癌小鼠模型进行卵巢肿瘤组织的N-糖蛋白质组分析，筛选出275个存在显著差异的候选蛋白并作为候选标记物。将该275个候选标记物转换为人类同源蛋白同时增加其他研究中可能作为卵巢癌标记物最终共得到376个糖蛋白作为候选标记物，利用SRM采集模式可在人类血浆中检测到65种。通过对110例健康人群和134例癌症病人的靶向糖蛋白质组学数据的测定以及逻辑回归模型的应用，可通过其中5个糖蛋白的逻辑回归模型准确诊断出病人是否患有卵巢癌，且该模型与临床上使用的CA125联合的诊断效果优于单独使用CA125的诊断效果。 二、 研究背景： （简要介绍研究进展动态、研究目的和意义） 上皮性卵巢癌

大家好，这次介绍的是Molecular Cellular Proteomics上的一篇文章，Cancer cell derived small extracellular vesicles contribute to recipient cell metastasis through promoting HGF/c-Met pathway，通讯作者是上海交通大学的生命科学与生物技术学院微生物代谢国家重点实验室的肖华教授团队。研究者们运用定量蛋白质组学相关技术从1400种细胞外囊泡蛋白中寻找到可能促进肿瘤转移的蛋白，并通过一系列临床样本等实验验证，证实HGF/c-Met通路能够促进细胞转移，这为肿瘤转移的预防和处置提供新思路。 肺癌通常致死率极高，癌症转移是主要成因。癌症转移是一种复杂的过程，通常与上皮-间质转化（epithelial-mesenchymal transition，EMT）有关。典型的EMT特征包括上皮细胞失去细胞粘附和细胞极性，并获得间充质表型以及增加侵袭和转移能力。细胞外囊泡（EVs）是存在于由细胞分泌到胞外微环境当中的囊泡结构，包括外泌体、微囊等多种类型。EVs可以通过物理性质大致分类，如“小囊泡”（sEVs）（<200nm）和“中/大囊泡”（>200nm）。外泌体就是一种直径在30nm到150nm之间的sEVs，其内含物包括多种蛋白质、核酸和代谢物