Wu Enhui, Qiao Liang*
රසායන විද්‍යා දෙපාර්තමේන්තුව, ෆුඩාන් විශ්වවිද්‍යාලය, ෂැංහයි 200433, චීනය
ක්ෂුද්ර ජීවීන් මිනිස් රෝග හා සෞඛ්‍යයට සමීපව සම්බන්ධ වේ. ක්ෂුද්‍රජීවී ප්‍රජාවන්ගේ සංයුතිය සහ ඒවායේ ක්රියාකාරිත්වය තේරුම් ගන්නේ කෙසේද යන්න වහා අධ්යයනය කළ යුතු ප්‍රධාන ගැටලුවකි. මෑත වසරවලදී, ක්ෂුද්ර ජීවීන්ගේ සංයුතිය හා ක්රියාකාරිත්වය අධ්යයනය කිරීම සඳහා metaproteomics වැදගත් තාක්ෂණික මාධ්යයක් බවට පත්ව ඇත. කෙසේ වෙතත්, ක්ෂුද්‍රජීවී ප්‍රජා සාම්පලවල සංකීර්ණත්වය සහ ඉහළ විෂමතාවය හේතුවෙන්, නියැදි සැකසීම, ස්කන්ධ වර්ණාවලීක්ෂ දත්ත ලබා ගැනීම සහ දත්ත විශ්ලේෂණය මෙටාප්‍රෝටියෝමික්ස් විසින් දැනට මුහුණ දෙන ප්‍රධාන අභියෝග තුන බවට පත්ව ඇත. metaproteomics විශ්ලේෂණයේදී, විවිධ වර්ගයේ සාම්පලවල පූර්ව ප්‍රතිකාර ප්‍රශස්ත කිරීම සහ විවිධ ක්ෂුද්‍රජීවී වෙන් කිරීම, පොහොසත් කිරීම, නිස්සාරණය සහ ලයිසිස් යෝජනා ක්‍රම අනුගමනය කිරීම බොහෝ විට අවශ්‍ය වේ. තනි විශේෂයක ප්‍රෝටියෝමය හා සමානව, metaproteomics හි ස්කන්ධ වර්ණාවලීක්ෂ දත්ත ලබා ගැනීමේ ක්‍රමවලට දත්ත මත යැපෙන අත්පත් කර ගැනීමේ (DDA) මාදිලිය සහ දත්ත-ස්වාධීන අත්පත් කර ගැනීමේ (DIA) මාදිලිය ඇතුළත් වේ. DIA දත්ත ලබා ගැනීමේ මාදිලියට නියැදියේ පෙප්ටයිඩ තොරතුරු සම්පූර්ණයෙන්ම එකතු කළ හැකි අතර විශාල සංවර්ධන හැකියාවක් ඇත. කෙසේ වෙතත්, metaproteome සාම්පලවල සංකීර්ණත්වය හේතුවෙන්, එහි DIA දත්ත විශ්ලේෂණය metaproteomics ගැඹුරු ආවරණයට බාධා කරන ප්‍රධාන ගැටලුවක් බවට පත්ව ඇත. දත්ත විශ්ලේෂණය සම්බන්ධයෙන් ගත් කල, වඩාත්ම වැදගත් පියවර වන්නේ ප්රෝටීන් අනුක්‍රමික දත්ත සමුදායක් ගොඩනැගීමයි. දත්ත සමුදායේ විශාලත්වය සහ සම්පූර්ණත්වය හඳුනාගැනීම් ගණනට විශාල බලපෑමක් ඇති කරනවා පමණක් නොව, විශේෂ සහ ක්රියාකාරී මට්ටම්වල විශ්ලේෂණයටද බලපායි. වර්තමානයේ, metaproteome දත්ත සමුදායක් ගොඩනැගීමේ රන් ප්‍රමිතිය මෙටජෙනෝමය මත පදනම් වූ ප්රෝටීන් අනුක්‍රමික දත්ත ගබඩාවකි. ඒ අතරම, පුනරාවර්තන සෙවීම මත පදනම් වූ පොදු දත්ත සමුදා පෙරීමේ ක්‍රමය ද ප්‍රබල ප්‍රායෝගික වටිනාකමක් ඇති බව ඔප්පු වී ඇත. නිශ්චිත දත්ත විශ්ලේෂණ උපාය මාර්ගවල දෘෂ්ටිකෝණයෙන්, පෙප්ටයිඩ කේන්ද්‍ර කරගත් DIA දත්ත විශ්ලේෂණ ක්‍රම නිරපේක්ෂ ප්‍රධාන ධාරාවක් අත්පත් කරගෙන ඇත. ගැඹුරු ඉගෙනුම් සහ කෘත්‍රිම බුද්ධිය වර්ධනය වීමත් සමඟ එය සාර්ව ප්‍රොටික දත්ත විශ්ලේෂණයේ නිරවද්‍යතාවය, ආවරණය සහ විශ්ලේෂණ වේගය බෙහෙවින් ප්‍රවර්ධනය කරනු ඇත. පහළ ජෛව තොරතුරු විශ්ලේෂණයට අනුව, ක්ෂුද්‍රජීවී ප්‍රජාවන්ගේ සංයුතිය ලබා ගැනීම සඳහා ප්රෝටීන් මට්ටමින්, පෙප්ටයිඩ මට්ටමින් සහ ජාන මට්ටමින් විශේෂ විවරණ සිදු කළ හැකි විවරණ මෙවලම් මාලාවක් මෑත වසරවලදී සංවර්ධනය කර ඇත. අනෙකුත් ඕමික්ස් ක්‍රම සමඟ සසඳන විට, ක්ෂුද්‍රජීවී ප්‍රජාවන්ගේ ක්රියාකාරී විශ්ලේෂණය සාර්ව ප්‍රොටියෝමික්ස් හි සුවිශේෂී ලක්ෂණයකි. Macroproteomics ක්ෂුද්‍රජීවී ප්‍රජාවන්ගේ බහු-ඕමික්ස් විශ්ලේෂණයේ වැදගත් කොටසක් බවට පත්ව ඇති අතර, තවමත් ආවරණ ගැඹුර, හඳුනාගැනීමේ සංවේදීතාව සහ දත්ත විශ්ලේෂණ සම්පූර්ණත්වය සම්බන්ධයෙන් විශාල සංවර්ධන විභවයක් ඇත.
01 නියැදි පූර්ව ප්‍රතිකාර
වර්තමානයේ, metaproteomics තාක්ෂණය මානව ක්ෂුද්ර ජීවී, පස, ආහාර, සාගර, සක්‍රීය රොන්මඩ සහ අනෙකුත් ක්ෂේත්‍ර පිළිබඳ පර්යේෂණ සඳහා බහුලව භාවිතා වී ඇත. තනි විශේෂයක ප්‍රෝටියෝම් විශ්ලේෂණය හා සසඳන විට, සංකීර්ණ සාම්පලවල මෙටාප්‍රෝටියෝම් නියැදි පූර්ව ප්‍රතිකාරය වඩාත් අභියෝගවලට මුහුණ දෙයි. සත්‍ය සාම්පලවල ක්ෂුද්‍රජීවී සංයුතිය සංකීර්ණ වේ, බහුලත්වයේ ගතික පරාසය විශාල වේ, විවිධ වර්ගයේ ක්ෂුද්ර ජීවීන්ගේ සෛල බිත්ති ව්‍යුහය බෙහෙවින් වෙනස් වන අතර සාම්පල බොහෝ විට ධාරක ප්‍රෝටීන සහ අනෙකුත් අපද්‍රව්‍ය විශාල ප්‍රමාණයක් අඩංගු වේ. එබැවින්, metaproteome විශ්ලේෂණය කිරීමේදී, විවිධ වර්ගයේ සාම්පල ප්‍රශස්ත කිරීම සහ විවිධ ක්ෂුද්‍රජීවී වෙන් කිරීම, පොහොසත් කිරීම, නිස්සාරණය සහ ලයිසිස් යෝජනා ක්‍රම අනුගමනය කිරීම බොහෝ විට අවශ්‍ය වේ.
විවිධ සාම්පල වලින් ක්ෂුද්ර ජීවී මෙටප්‍රෝටියෝම් නිස්සාරණය කිරීමේදී යම් යම් සමානකම් මෙන්ම යම් යම් වෙනස්කම් ද ඇත, නමුත් දැනට විවිධ වර්ගයේ මෙටාප්‍රෝටියෝම් සාම්පල සඳහා ඒකාබද්ධ පූර්ව සැකසුම් ක්‍රියාවලියක අඩුවක් පවතී.
02ස්කන්ධ වර්ණාවලිමිතික දත්ත ලබා ගැනීම
වෙඩි බෙහෙත් ප්‍රෝටියෝම් විශ්ලේෂණයේදී, පෙර ප්‍රතිකාරයෙන් පසු පෙප්ටයිඩ මිශ්‍රණය මුලින්ම වර්ණදේහ තීරුවෙන් වෙන් කරනු ලැබේ, පසුව අයනීකරණයෙන් පසු දත්ත ලබා ගැනීම සඳහා ස්කන්ධ වර්ණාවලීක්ෂයට ඇතුල් වේ. තනි විශේෂ ප්‍රෝටියෝම් විශ්ලේෂණයට සමානව, සාර්ව ප්‍රෝටියෝම් විශ්ලේෂණයේ ස්කන්ධ වර්ණාවලීක්ෂ දත්ත ලබා ගැනීමේ ක්‍රමවලට DDA මාදිලිය සහ DIA මාදිලිය ඇතුළත් වේ.
ස්කන්ධ වර්ණාවලිමිතික උපකරණ අඛණ්ඩව පුනරාවර්තනය කිරීම සහ යාවත්කාලීන කිරීමත් සමඟ, ඉහළ සංවේදීතාවයක් සහ විභේදනයක් සහිත ස්කන්ධ වර්ණාවලීක්ෂ උපකරණ metaproteome සඳහා යොදනු ලබන අතර, metaproteome විශ්ලේෂණයේ ආවරණ ගැඹුර ද අඛණ්ඩව වැඩිදියුණු වේ. දිගු කලක් තිස්සේ, Orbitrap විසින් මෙහෙයවනු ලබන අධි-විභේදන ස්කන්ධ වර්ණාවලීක්ෂ උපකරණ මාලාවක් metaproteome හි බහුලව භාවිතා වේ.
නියැදි වර්ගය, විශ්ලේෂණ උපාය මාර්ගය, ස්කන්ධ වර්ණාවලිමිතික උපකරණය, අත්පත් කර ගැනීමේ ක්‍රමය, විශ්ලේෂණ මෘදුකාංග සහ හඳුනාගැනීම් සංඛ්‍යාව අනුව 2011 සිට වර්තමානය දක්වා metaproteomics පිළිබඳ සමහර නියෝජිත අධ්‍යයනයන් මුල් පෙළෙහි 1 වගුවේ දැක්වේ.
03ස්කන්ධ වර්ණාවලීක්ෂ දත්ත විශ්ලේෂණය
3.1 DDA දත්ත විශ්ලේෂණ උපාය මාර්ගය
3.1.1 දත්ත සමුදා සෙවීම
3.1.2ද නවෝඅනුපිළිවෙල උපාය
3.2 DIA දත්ත විශ්ලේෂණ උපාය මාර්ගය
04විශේෂ වර්ගීකරණය සහ ක්රියාකාරී විවරණ
විවිධ වර්ගීකරණ මට්ටම්වල ක්ෂුද්‍රජීවී ප්‍රජාවන්ගේ සංයුතිය ක්ෂුද්‍රජීව පර්යේෂණයේ ප්‍රධාන පර්යේෂණ අංශයකි. මෑත වසරවලදී, ක්ෂුද්‍රජීවී ප්‍රජාවන්ගේ සංයුතිය ලබා ගැනීම සඳහා ප්රෝටීන් මට්ටම, පෙප්ටයිඩ මට්ටම සහ ජාන මට්ටමේ විශේෂයන් විවරණය කිරීම සඳහා විවරණ මෙවලම් මාලාවක් සංවර්ධනය කර ඇත.
ක්රියාකාරී විවරණයේ සාරය නම් ඉලක්කගත ප්රෝටීන් අනුක්‍රමය ක්රියාකාරී ප්රෝටීන් අනුක්‍රමික දත්ත සමුදාය සමඟ සංසන්දනය කිරීමයි. GO, COG, KEGG, eggNOG වැනි ජාන ක්රියාකාරී දත්ත සමුදායන් භාවිතා කරමින් මැක්‍රොප්‍රෝටියෝම් මගින් හඳුනාගත් ප්‍රෝටීන මත විවිධ ක්රියාකාරී විවරණ විශ්ලේෂණ සිදු කළ හැක. විවරණ මෙවලම්වලට Blast2GO, DAVID, KOBAS, ආදිය ඇතුළත් වේ.
05 සාරාංශය සහ ඉදිරි දැක්ම
ක්ෂුද්ර ජීවීන් මිනිස් සෞඛ්‍ය හා රෝග සඳහා වැදගත් කාර්යභාරයක් ඉටු කරයි. මෑත වසරවලදී, metaproteomics ක්ෂුද්‍රජීවී ප්‍රජාවන්ගේ ක්රියාකාරිත්වය අධ්යයනය කිරීම සඳහා වැදගත් තාක්ෂණික මාධ්යයක් බවට පත්ව ඇත. metaproteomics හි විශ්ලේෂණ ක්‍රියාවලිය තනි-විශේෂ ප්‍රෝටෝමික්ස් වලට සමාන වේ, නමුත් metaproteomics හි පර්යේෂණ වස්තුවේ සංකීර්ණත්වය හේතුවෙන්, නියැදි පූර්ව ප්‍රතිකාරයේ සිට දත්ත ලබා ගැනීමේ සිට දත්ත විශ්ලේෂණය දක්වා එක් එක් විශ්ලේෂණ පියවරේදී නිශ්චිත පර්යේෂණ උපාය මාර්ග අනුගමනය කළ යුතුය. වර්තමානයේදී, පූර්ව ප්‍රතිකාර ක්‍රම වැඩිදියුණු කිරීම, ස්කන්ධ වර්ණාවලීක්ෂ තාක්‍ෂණයේ අඛණ්ඩ නවෝත්පාදනය සහ ජෛව තොරතුරු විද්‍යාවේ වේගවත් සංවර්ධනයට ස්තූතිවන්ත වන අතර, හඳුනාගැනීමේ ගැඹුර සහ යෙදුම් විෂය පථය තුළ metaproteomics විශාල ප්‍රගතියක් ලබා ඇත.
macroproteome සාම්පල පූර්ව-ප්‍රතිකාර කිරීමේ ක්‍රියාවලියේදී, නියැදියේ ස්වභාවය පළමුව සලකා බැලිය යුතුය. පාරිසරික සෛල හා ප්‍රෝටීන වලින් ක්ෂුද්ර ජීවීන් වෙන් කරන්නේ කෙසේද යන්න සාර්ව ප්‍රෝටීන මුහුණ දෙන ප්‍රධාන අභියෝගයක් වන අතර වෙන් කිරීමේ කාර්යක්ෂමතාව සහ ක්ෂුද්‍රජීවී අලාභය අතර සමතුලිතතාවය ඉක්මනින් විසඳිය යුතු ගැටලුවකි. දෙවනුව, ක්ෂුද්ර ජීවීන්ගේ ප්රෝටීන් නිස්සාරණය විවිධ බැක්ටීරියා වල ව්යුහාත්මක විෂමතාවය නිසා ඇතිවන වෙනස්කම් සැලකිල්ලට ගත යුතුය. ලුහුබැඳීමේ පරාසයේ ඇති මැක්‍රොප්‍රොටියෝම් සාම්පල සඳහා ද විශේෂිත පූර්ව ප්‍රතිකාර ක්‍රම අවශ්‍ය වේ.
ස්කන්ධ වර්ණාවලිමිතික උපකරණ සම්බන්ධයෙන් ගත් කල, ප්‍රධාන ධාරාවේ ස්කන්ධ වර්ණාවලීක්ෂ උපකරණ LTQ-Orbitrap සහ Q Exactive වැනි Orbitrap ස්කන්ධ විශ්ලේෂක මත පදනම් වූ ස්කන්ධ වර්ණාවලීක්ෂවල සිට අයන සංචලනය මත පදනම් වූ ස්කන්ධ වර්ණාවලීක්ෂ සහ timsTOF Pro වැනි පියාසර ස්කන්ධ විශ්ලේෂක දක්වා සංක්‍රමණය වී ඇත. . අයන සංචලතා මාන තොරතුරු සහිත timsTOF උපකරණ මාලාවට ඉහළ හඳුනාගැනීමේ නිරවද්‍යතාවයක්, අඩු හඳුනාගැනීමේ සීමාවක් සහ හොඳ පුනරාවර්තන හැකියාවක් ඇත. ඒවා ක්‍රමක්‍රමයෙන් තනි විශේෂයක ප්‍රෝටියෝමය, මෙටාප්‍රෝටියෝමය සහ පරිවෘත්තීය වැනි ස්කන්ධ වර්ණාවලීක්ෂ හඳුනාගැනීම අවශ්‍ය වන විවිධ පර්යේෂණ ක්ෂේත්‍රවල වැදගත් උපකරණ බවට පත්ව ඇත. දිගු කලක් තිස්සේ ස්කන්ධ වර්ණාවලීක්ෂ උපකරණවල ගතික පරාසය metaproteome පර්යේෂණයේ ප්රෝටීන් ආවරණ ගැඹුර සීමා කර ඇති බව සඳහන් කිරීම වටී. අනාගතයේදී, විශාල ගතික පරාසයක් සහිත ස්කන්ධ වර්ණාවලිමිතික උපකරණ මගින් මෙටාප්‍රෝටියෝම් වල ප්රෝටීන් හඳුනාගැනීමේ සංවේදීතාව සහ නිරවද්‍යතාවය වැඩි දියුණු කළ හැකිය.
ස්කන්ධ වර්ණාවලීක්ෂ දත්ත අත්පත් කර ගැනීම සඳහා, DIA දත්ත ලබා ගැනීමේ මාදිලිය තනි විශේෂයක ප්‍රෝටියෝමය තුළ බහුලව භාවිතා කර ඇතත්, බොහෝ වර්තමාන සාර්ව ප්‍රෝටියම් විශ්ලේෂණයන් තවමත් DDA දත්ත ලබා ගැනීමේ මාදිලිය භාවිතා කරයි. DIA දත්ත ලබා ගැනීමේ මාදිලියට නියැදියේ ඛණ්ඩක අයන තොරතුරු සම්පූර්ණයෙන් ලබා ගත හැකි අතර, DDA දත්ත ලබා ගැනීමේ මාදිලිය හා සසඳන විට, මැක්‍රොප්‍රෝටියෝම් නියැදියේ පෙප්ටයිඩ තොරතුරු සම්පූර්ණයෙන් ලබා ගැනීමේ හැකියාව එයට ඇත. කෙසේ වෙතත්, DIA දත්තවල ඉහළ සංකීර්ණත්වය හේතුවෙන්, DIA macroproteome දත්ත විශ්ලේෂණය තවමත් විශාල දුෂ්කරතාවන්ට මුහුණ දෙයි. කෘතිම බුද්ධිය සහ ගැඹුරු ඉගෙනීම වර්ධනය කිරීම DIA දත්ත විශ්ලේෂණයේ නිරවද්‍යතාවය සහ සම්පූර්ණත්වය වැඩි දියුණු කිරීමට අපේක්ෂා කෙරේ.
metaproteomics හි දත්ත විශ්ලේෂණයේ දී, ප්‍රධාන පියවරයන්ගෙන් එකක් වන්නේ ප්රෝටීන් අනුක්‍රමික දත්ත සමුදාය ගොඩනැගීමයි. අන්ත්‍ර වෘක්ෂලතා වැනි ජනප්‍රිය පර්යේෂණ ක්ෂේත්‍ර සඳහා, IGC සහ HMP වැනි අන්ත්‍ර ක්ෂුද්‍රජීවී දත්ත සමුදායන් භාවිතා කළ හැකි අතර හොඳ හඳුනාගැනීමේ ප්‍රතිඵල අත්කරගෙන ඇත. අනෙකුත් බොහෝ metaproteomics විශ්ලේෂණ සඳහා, වඩාත් ඵලදායී දත්ත සමුදාය ගොඩනැගීමේ උපාය මාර්ගය තවමත් metagenomic අනුක්‍රමික දත්ත මත පදනම්ව නියැදි-විශේෂිත ප්‍රෝටීන අනුක්‍රමික දත්ත සමුදායක් පිහිටුවීමයි. ඉහළ සංකීර්ණත්වය සහ විශාල ගතික පරාසයක් සහිත ක්ෂුද්‍රජීවී ප්‍රජා සාම්පල සඳහා, අඩු බහුල විශේෂ හඳුනා ගැනීම වැඩි කිරීම සඳහා අනුක්‍රමික ගැඹුර වැඩි කිරීම අවශ්‍ය වන අතර එමඟින් ප්රෝටීන් අනුක්‍රමික දත්ත ගබඩාවේ ආවරණය වැඩි දියුණු කිරීම අවශ්‍ය වේ. අනුක්‍රමික දත්ත නොමැති විට, පොදු දත්ත සමුදාය ප්‍රශස්ත කිරීම සඳහා පුනරාවර්තන සෙවුම් ක්‍රමයක් භාවිතා කළ හැක. කෙසේ වෙතත්, පුනරාවර්තන සෙවීම FDR තත්ත්ව පාලනයට බලපෑ හැකිය, එබැවින් සෙවුම් ප්‍රතිඵල හොඳින් පරීක්ෂා කළ යුතුය. මීට අමතරව, metaproteomics විශ්ලේෂණයේදී සාම්ප්‍රදායික FDR තත්ත්ව පාලන ආකෘතිවල අදාළත්වය තවමත් ගවේෂණය කිරීම වටී. සෙවුම් උපාය මාර්ගයට අනුව, දෙමුහුන් වර්ණාවලි පුස්තකාල උපාය මාර්ගයට DIA metaproteomics හි ආවරණ ගැඹුර වැඩි දියුණු කළ හැකිය. මෑත වසරවලදී, ගැඹුරු ඉගෙනීම මත පදනම්ව ජනනය කරන ලද පුරෝකථනය කරන ලද වර්ණාවලි පුස්තකාලය DIA ප්‍රෝටෝමික්ස් හි උසස් කාර්ය සාධනයක් පෙන්නුම් කර ඇත. කෙසේ වෙතත්, metaproteome දත්ත සමුදායන් බොහෝ විට ප්රෝටීන් ඇතුළත් කිරීම් මිලියන ගණනක් අඩංගු වන අතර, එමඟින් පුරෝකථනය කරන ලද වර්ණාවලි පුස්තකාල විශාල පරිමාණයක් ඇති කරයි, පරිගණක සම්පත් විශාල ප්‍රමාණයක් පරිභෝජනය කරයි, සහ විශාල සෙවුම් ඉඩක් ඇති කරයි. මීට අමතරව, metaproteomes වල ප්රෝටීන් අනුපිළිවෙල අතර සමානතාවය විශාල වශයෙන් වෙනස් වන අතර, වර්ණාවලි පුස්තකාල පුරෝකථන ආකෘතියේ නිරවද්‍යතාවය සහතික කිරීම දුෂ්කර කරයි, එබැවින් පුරෝකථනය කරන ලද වර්ණාවලි පුස්තකාල metaproteomics හි බහුලව භාවිතා වී නොමැත. මීට අමතරව, ඉහළ අනුක්‍රමික-සමාන ප්‍රෝටීනවල මෙටාප්‍රොටියෝමික්ස් විශ්ලේෂණයට අදාළ කිරීමට නව ප්‍රෝටීන අනුමාන සහ වර්ගීකරණ විවරණ උපාය මාර්ග සංවර්ධනය කළ යුතුය.
සාරාංශයක් ලෙස, නැගී එන ක්ෂුද්ර ජීවී පර්යේෂණ තාක්‍ෂණයක් ලෙස, metaprotemics තාක්ෂණය සැලකිය යුතු පර්යේෂණ ප්‍රතිඵල අත්කර ගෙන ඇති අතර විශාල සංවර්ධන විභවයක් ද ඇත.
පසු කාලය: අගෝස්තු-30-2024