Wu Enhui, Qiao Liang*
ພາກວິຊາເຄມີສາດ, ມະຫາວິທະຍາໄລ Fudan, Shanghai 200433, ຈີນ
ຈຸລິນຊີແມ່ນກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດກັບພະຍາດແລະສຸຂະພາບຂອງມະນຸດ. ວິທີການເຂົ້າໃຈອົງປະກອບຂອງຊຸມຊົນຈຸລິນຊີແລະຫນ້າທີ່ຂອງພວກເຂົາແມ່ນບັນຫາໃຫຍ່ທີ່ຕ້ອງໄດ້ຮັບການສຶກສາຢ່າງຮີບດ່ວນ. ໃນຊຸມປີມໍ່ໆມານີ້, metaproteomics ໄດ້ກາຍເປັນວິທີການດ້ານວິຊາການທີ່ສໍາຄັນໃນການສຶກສາອົງປະກອບແລະຫນ້າທີ່ຂອງຈຸລິນຊີ. ຢ່າງໃດກໍ່ຕາມ, ເນື່ອງຈາກຄວາມສັບສົນແລະຄວາມແຕກຕ່າງກັນສູງຂອງຕົວຢ່າງຂອງຊຸມຊົນຈຸລິນຊີ, ການປຸງແຕ່ງຕົວຢ່າງ, ການຈັດຫາຂໍ້ມູນ spectrometry ມະຫາຊົນແລະການວິເຄາະຂໍ້ມູນໄດ້ກາຍເປັນສາມສິ່ງທ້າທາຍໃຫຍ່ທີ່ກໍາລັງປະເຊີນໃນປະຈຸບັນໂດຍ metaproteomics. ໃນການວິເຄາະ metaproteomics, ມັນມັກຈະຈໍາເປັນເພື່ອເພີ່ມປະສິດທິພາບ pretreatment ຂອງຊະນິດຂອງຕົວຢ່າງທີ່ແຕກຕ່າງກັນແລະຮັບຮອງເອົາການແຍກ microbial ທີ່ແຕກຕ່າງກັນ, ການເສີມສ້າງ, ການສະກັດເອົາແລະ lysis schemes. ຄ້າຍຄືກັນກັບ proteome ຂອງຊະນິດດຽວ, ຮູບແບບການໄດ້ມາຂໍ້ມູນ spectrometry ມະຫາຊົນໃນ metaproteomics ປະກອບມີຮູບແບບການໄດ້ມາໂດຍອີງຕາມຂໍ້ມູນ (DDA) ແລະ ຮູບແບບການຊື້ຂໍ້ມູນ-ເອກະລາດ (DIA). ຮູບແບບການຊື້ຂໍ້ມູນ DIA ສາມາດເກັບກໍາຂໍ້ມູນ peptide ຂອງຕົວຢ່າງໄດ້ຢ່າງສົມບູນແລະມີທ່າແຮງການພັດທະນາຢ່າງຫຼວງຫຼາຍ. ຢ່າງໃດກໍຕາມ, ເນື່ອງຈາກຄວາມສັບສົນຂອງຕົວຢ່າງ metaproteome, ການວິເຄາະຂໍ້ມູນ DIA ຂອງມັນໄດ້ກາຍເປັນບັນຫາໃຫຍ່ທີ່ຂັດຂວາງການຄຸ້ມຄອງເລິກຂອງ metaproteomics. ໃນແງ່ຂອງການວິເຄາະຂໍ້ມູນ, ຂັ້ນຕອນທີ່ສໍາຄັນທີ່ສຸດແມ່ນການກໍ່ສ້າງຖານຂໍ້ມູນລໍາດັບທາດໂປຼຕີນ. ຂະຫນາດແລະຄວາມສົມບູນຂອງຖານຂໍ້ມູນບໍ່ພຽງແຕ່ມີຜົນກະທົບຢ່າງຫຼວງຫຼາຍຕໍ່ຈໍານວນການກໍານົດ, ແຕ່ຍັງມີຜົນກະທົບຕໍ່ການວິເຄາະໃນລະດັບຊະນິດແລະຫນ້າທີ່. ໃນປັດຈຸບັນ, ມາດຕະຖານຄໍາສໍາລັບການກໍ່ສ້າງຖານຂໍ້ມູນ metaproteome ແມ່ນຖານຂໍ້ມູນລໍາດັບທາດໂປຼຕີນໂດຍອີງໃສ່ metagenome. ໃນເວລາດຽວກັນ, ວິທີການການກັ່ນຕອງຖານຂໍ້ມູນສາທາລະນະໂດຍອີງໃສ່ການຄົ້ນຫາແບບຊ້ໍາຊ້ອນຍັງໄດ້ຮັບການພິສູດວ່າມີມູນຄ່າການປະຕິບັດທີ່ເຂັ້ມແຂງ. ຈາກທັດສະນະຂອງຍຸດທະສາດການວິເຄາະຂໍ້ມູນສະເພາະ, ວິທີການວິເຄາະຂໍ້ມູນ DIA ທີ່ເປັນສູນກາງ peptide ໄດ້ຄອບຄອງເປັນກະແສຫຼັກຢ່າງແທ້ຈິງ. ດ້ວຍການພັດທະນາການຮຽນຮູ້ຢ່າງເລິກເຊິ່ງແລະປັນຍາປະດິດ, ມັນຈະສົ່ງເສີມຄວາມຖືກຕ້ອງ, ການຄຸ້ມຄອງແລະຄວາມໄວການວິເຄາະຂອງການວິເຄາະຂໍ້ມູນ macroproteomic ຢ່າງຫຼວງຫຼາຍ. ໃນແງ່ຂອງການວິເຄາະທາງດ້ານຊີວະວິທະຍາທາງລຸ່ມ, ຊຸດຂອງເຄື່ອງມື annotation ໄດ້ຖືກພັດທະນາໃນຊຸມປີມໍ່ໆມານີ້, ເຊິ່ງສາມາດປະຕິບັດຄໍາບັນຍາຍຊະນິດພັນໃນລະດັບທາດໂປຼຕີນ, ລະດັບ peptide ແລະລະດັບ gene ເພື່ອໃຫ້ໄດ້ຮັບອົງປະກອບຂອງຊຸມຊົນຈຸລິນຊີ. ເມື່ອປຽບທຽບກັບວິທີການ omics ອື່ນໆ, ການວິເຄາະທີ່ເປັນປະໂຫຍດຂອງຊຸມຊົນຈຸລິນຊີແມ່ນລັກສະນະທີ່ເປັນເອກະລັກຂອງ macroproteomics. Macroproteomics ໄດ້ກາຍເປັນສ່ວນຫນຶ່ງທີ່ສໍາຄັນຂອງການວິເຄາະ multi-omics ຂອງຊຸມຊົນຈຸລິນຊີ, ແລະຍັງມີທ່າແຮງໃນການພັດທະນາຢ່າງຫຼວງຫຼາຍໃນດ້ານຄວາມເລິກຂອງການຄຸ້ມຄອງ, ຄວາມອ່ອນໄຫວໃນການກວດສອບແລະຄວາມສົມບູນຂອງການວິເຄາະຂໍ້ມູນ.
01 ການປິ່ນປົວຕົວຢ່າງ
ໃນປັດຈຸບັນ, ເຕັກໂນໂລຊີ metaproteomics ໄດ້ຖືກນໍາໃຊ້ຢ່າງກວ້າງຂວາງໃນການຄົ້ນຄວ້າຂອງຈຸລິນຊີຂອງມະນຸດ, ດິນ, ອາຫານ, ມະຫາສະຫມຸດ, sludge ການເຄື່ອນໄຫວແລະຂົງເຂດອື່ນໆ. ເມື່ອປຽບທຽບກັບການວິເຄາະ proteome ຂອງຊະນິດດຽວ, ການປິ່ນປົວຕົວຢ່າງຂອງ metaproteome ຂອງຕົວຢ່າງສະລັບສັບຊ້ອນປະເຊີນກັບສິ່ງທ້າທາຍຫຼາຍ. ອົງປະກອບຂອງຈຸລິນຊີໃນຕົວຢ່າງຕົວຈິງແມ່ນມີຄວາມຊັບຊ້ອນ, ລະດັບຄວາມອຸດົມສົມບູນຂອງຄວາມອຸດົມສົມບູນແມ່ນຂະຫນາດໃຫຍ່, ໂຄງສ້າງຂອງກໍາແພງຈຸລັງຂອງຈຸລິນຊີຊະນິດຕ່າງໆແມ່ນແຕກຕ່າງກັນຫຼາຍ, ແລະຕົວຢ່າງມັກຈະມີຈໍານວນທາດໂປຼຕີນຈາກເຈົ້າພາບແລະສິ່ງປົນເປື້ອນອື່ນໆ. ດັ່ງນັ້ນ, ໃນການວິເຄາະ metaproteome, ມັນມັກຈະມີຄວາມຈໍາເປັນເພື່ອເພີ່ມປະສິດທິພາບຂອງຕົວຢ່າງທີ່ແຕກຕ່າງກັນແລະນໍາໃຊ້ວິທີການແຍກເຊື້ອຈຸລິນຊີທີ່ແຕກຕ່າງກັນ, ການເສີມສ້າງ, ການສະກັດເອົາແລະ lysis.
ການສະກັດເອົາ metaproteomes ຂອງຈຸລິນຊີຈາກຕົວຢ່າງທີ່ແຕກຕ່າງກັນມີຄວາມຄ້າຍຄືກັນບາງຢ່າງເຊັ່ນດຽວກັນກັບຄວາມແຕກຕ່າງບາງຢ່າງ, ແຕ່ປະຈຸບັນຍັງຂາດຂະບວນການປຸງແຕ່ງກ່ອນການປຸງແຕ່ງແບບປະສົມປະສານສໍາລັບຕົວຢ່າງ metaproteome ປະເພດຕ່າງໆ.
02Mass spectrometry ໄດ້ມາຂໍ້ມູນ
ໃນການວິເຄາະ proteome ຂອງ shotgun, ການປະສົມ peptide ຫຼັງຈາກ pretreatment ໄດ້ຖືກແຍກອອກຄັ້ງທໍາອິດໃນຖັນ chromatographic, ແລະຫຼັງຈາກນັ້ນເຂົ້າໄປໃນ spectrometer ມະຫາຊົນສໍາລັບການໄດ້ຮັບຂໍ້ມູນຫຼັງຈາກ ionization. ຄ້າຍຄືກັນກັບການວິເຄາະ proteome ຊະນິດດຽວ, ຮູບແບບການໄດ້ຮັບຂໍ້ມູນ spectrometry ມະຫາຊົນໃນການວິເຄາະ macroproteome ປະກອບມີໂຫມດ DDA ແລະໂຫມດ DIA.
ດ້ວຍ iteration ແລະການປັບປຸງຢ່າງຕໍ່ເນື່ອງຂອງເຄື່ອງມື spectrometry ມະຫາຊົນ, ເຄື່ອງມື spectrometry ມະຫາຊົນທີ່ມີຄວາມອ່ອນໄຫວແລະຄວາມລະອຽດສູງກວ່າຖືກນໍາໃຊ້ກັບ metaproteome, ແລະຄວາມເລິກການຄຸ້ມຄອງຂອງການວິເຄາະ metaproteome ແມ່ນຍັງປັບປຸງຢ່າງຕໍ່ເນື່ອງ. ເປັນເວລາດົນ, ຊຸດຂອງເຄື່ອງມື spectrometry ມະຫາຊົນທີ່ມີຄວາມລະອຽດສູງທີ່ນໍາພາໂດຍ Orbitrap ໄດ້ຖືກນໍາໃຊ້ຢ່າງກວ້າງຂວາງໃນ metaproteome.
ຕາຕະລາງ 1 ຂອງຂໍ້ຄວາມຕົ້ນສະບັບສະແດງໃຫ້ເຫັນບາງການສຶກສາຕົວແທນກ່ຽວກັບ metaproteomics ຈາກ 2011 ເຖິງປະຈຸບັນໃນຂໍ້ກໍານົດຂອງປະເພດຕົວຢ່າງ, ຍຸດທະສາດການວິເຄາະ, ເຄື່ອງມື spectrometry ມະຫາຊົນ, ວິທີການໄດ້ມາ, ຊອບແວການວິເຄາະ, ແລະຈໍານວນຂອງການກໍານົດ.
03 ການວິເຄາະຂໍ້ມູນ spectrometry ມະຫາຊົນ
3.1 ຍຸດທະສາດການວິເຄາະຂໍ້ມູນ DDA
3.1.1 ການຄົ້ນຫາຖານຂໍ້ມູນ
3.1.2de novoຍຸດທະສາດການຈັດລໍາດັບ
3.2 ຍຸດທະສາດການວິເຄາະຂໍ້ມູນ DIA
04 ການຈັດປະເພດແລະຄໍາບັນຍາຍທີ່ເປັນປະໂຫຍດ
ອົງປະກອບຂອງຊຸມຊົນຈຸລິນຊີໃນລະດັບ taxonomic ທີ່ແຕກຕ່າງກັນແມ່ນຫນຶ່ງໃນການຄົ້ນຄວ້າທີ່ສໍາຄັນໃນການຄົ້ນຄວ້າ microbiome. ໃນຊຸມປີມໍ່ໆມານີ້, ເຄື່ອງມືປະກອບຄໍາຄິດຄໍາເຫັນຫຼາຍຊຸດໄດ້ຖືກພັດທະນາເພື່ອອະທິບາຍຊະນິດພັນໃນລະດັບທາດໂປຼຕີນ, ລະດັບ peptide ແລະລະດັບເຊື້ອສາຍເພື່ອໃຫ້ໄດ້ອົງປະກອບຂອງຊຸມຊົນຈຸລິນຊີ.
ໂດຍເນື້ອແທ້ແລ້ວຂອງຄໍາອະທິບາຍທີ່ເປັນປະໂຫຍດແມ່ນການປຽບທຽບລໍາດັບທາດໂປຼຕີນຈາກເປົ້າຫມາຍທີ່ມີຖານຂໍ້ມູນລໍາດັບທາດໂປຼຕີນທີ່ມີປະໂຫຍດ. ການນໍາໃຊ້ຖານຂໍ້ມູນການທໍາງານຂອງ gene ເຊັ່ນ GO, COG, KEGG, eggNOG, ແລະອື່ນໆ, ການວິເຄາະຄໍາບັນຍາຍທີ່ເປັນປະໂຫຍດທີ່ແຕກຕ່າງກັນສາມາດໄດ້ຮັບການປະຕິບັດກ່ຽວກັບທາດໂປຼຕີນທີ່ກໍານົດໂດຍ macroproteomes. ເຄື່ອງມືບັນທຶກປະກອບມີ Blast2GO, DAVID, KOBAS, ແລະອື່ນໆ.
05 ບົດສະຫຼຸບ ແລະການຄາດຄະເນ
ຈຸລິນຊີມີບົດບາດສໍາຄັນຕໍ່ສຸຂະພາບຂອງມະນຸດແລະພະຍາດ. ໃນຊຸມປີມໍ່ໆມານີ້, metaproteomics ໄດ້ກາຍເປັນວິທີການດ້ານວິຊາການທີ່ສໍາຄັນໃນການສຶກສາການເຮັດວຽກຂອງຊຸມຊົນຈຸລິນຊີ. ຂະບວນການວິເຄາະຂອງ metaproteomics ແມ່ນຄ້າຍຄືກັນກັບ proteomics ຊະນິດດຽວ, ແຕ່ເນື່ອງຈາກຄວາມສັບສົນຂອງວັດຖຸຄົ້ນຄ້ວາຂອງ metaproteomics, ຍຸດທະສາດການຄົ້ນຄວ້າສະເພາະຕ້ອງໄດ້ຮັບການຮັບຮອງເອົາໃນແຕ່ລະຂັ້ນຕອນການວິເຄາະ, ຈາກ pretreatment ຕົວຢ່າງ, ການຊື້ຂໍ້ມູນໄປຫາການວິເຄາະຂໍ້ມູນ. ໃນປັດຈຸບັນ, ຂໍຂອບໃຈກັບການປັບປຸງວິທີການ pretreatment, ການປະດິດສ້າງຢ່າງຕໍ່ເນື່ອງຂອງເຕັກໂນໂລຊີ spectrometry ມະຫາຊົນແລະການພັດທະນາຢ່າງໄວວາຂອງ bioinformatics, metaproteomics ມີຄວາມກ້າວຫນ້າຢ່າງຫຼວງຫຼາຍໃນຄວາມເລິກການກໍານົດແລະຂອບເຂດການນໍາໃຊ້.
ໃນຂະບວນການຂອງການປິ່ນປົວເບື້ອງຕົ້ນຂອງຕົວຢ່າງ macroproteome, ລັກສະນະຂອງຕົວຢ່າງຕ້ອງໄດ້ຮັບການພິຈາລະນາກ່ອນ. ວິທີການແຍກຈຸລິນຊີອອກຈາກຈຸລັງສິ່ງແວດລ້ອມແລະທາດໂປຼຕີນແມ່ນຫນຶ່ງໃນສິ່ງທ້າທາຍທີ່ສໍາຄັນທີ່ກໍາລັງປະເຊີນກັບ macroproteomes, ແລະຄວາມສົມດູນລະຫວ່າງປະສິດທິພາບການແຍກແລະການສູນເສຍຈຸລິນຊີແມ່ນບັນຫາອັນຮີບດ່ວນທີ່ຕ້ອງໄດ້ຮັບການແກ້ໄຂ. ອັນທີສອງ, ການສະກັດເອົາທາດໂປຼຕີນຂອງຈຸລິນຊີຕ້ອງຄໍານຶງເຖິງຄວາມແຕກຕ່າງທີ່ເກີດຈາກຄວາມແຕກຕ່າງກັນຂອງໂຄງສ້າງຂອງເຊື້ອແບັກທີເຣັຍທີ່ແຕກຕ່າງກັນ. ຕົວຢ່າງ macroproteome ໃນຂອບເຂດການຕິດຕາມຍັງຕ້ອງການວິທີການປິ່ນປົວກ່ອນການປິ່ນປົວສະເພາະ.
ໃນແງ່ຂອງເຄື່ອງມື spectrometry ມະຫາຊົນ, ເຄື່ອງມື spectrometry ມະຫາຊົນໃນກະແສຕົ້ນຕໍໄດ້ມີການປ່ຽນແປງຈາກ spectrometers ມະຫາຊົນໂດຍອີງໃສ່ການວິເຄາະມະຫາຊົນ Orbitrap ເຊັ່ນ LTQ-Orbitrap ແລະ Q Exactive ກັບ spectrometers ມະຫາຊົນໂດຍອີງໃສ່ ion mobility ສົມທົບກັບເຄື່ອງວິເຄາະມະຫາຊົນທີ່ໃຊ້ເວລາຂອງການບິນເຊັ່ນ timsTOF Pro. . ຊຸດ timsTOF ຂອງເຄື່ອງມືທີ່ມີຂໍ້ມູນມິຕິການເຄື່ອນທີ່ຂອງ ion ມີຄວາມຖືກຕ້ອງຂອງການກວດຫາສູງ, ຂີດຈຳກັດການຊອກຄົ້ນຫາຕ່ຳ ແລະສາມາດເຮັດຊ້ຳໄດ້ດີ. ພວກມັນຄ່ອຍໆກາຍເປັນເຄື່ອງມືທີ່ສໍາຄັນໃນຫຼາຍໆຂົງເຂດການຄົ້ນຄວ້າທີ່ຮຽກຮ້ອງໃຫ້ມີການກວດຫາ spectrometry ມະຫາຊົນ, ເຊັ່ນ proteome, metaproteome, ແລະ metabolome ຂອງຊະນິດດຽວ. ມັນເປັນມູນຄ່າທີ່ສັງເກດວ່າເປັນເວລາດົນນານ, ລະດັບການເຄື່ອນໄຫວຂອງເຄື່ອງມື spectrometry ມະຫາຊົນໄດ້ຈໍາກັດຄວາມເລິກການຄຸ້ມຄອງທາດໂປຼຕີນຂອງການຄົ້ນຄວ້າ metaproteome. ໃນອະນາຄົດ, ເຄື່ອງມື spectrometry ມະຫາຊົນທີ່ມີລະດັບການເຄື່ອນໄຫວຂະຫນາດໃຫຍ່ສາມາດປັບປຸງຄວາມອ່ອນໄຫວແລະຄວາມຖືກຕ້ອງຂອງການກໍານົດທາດໂປຼຕີນໃນ metaproteomes.
ສໍາລັບການໄດ້ຮັບຂໍ້ມູນ spectrometry ມະຫາຊົນ, ເຖິງແມ່ນວ່າຮູບແບບການຊື້ຂໍ້ມູນ DIA ໄດ້ຖືກຮັບຮອງເອົາຢ່າງກວ້າງຂວາງໃນ proteome ຂອງຊະນິດດຽວ, ການວິເຄາະ macroproteome ໃນປະຈຸບັນສ່ວນໃຫຍ່ຍັງໃຊ້ຮູບແບບການໄດ້ຮັບຂໍ້ມູນ DDA. ຮູບແບບການຊື້ຂໍ້ມູນ DIA ສາມາດໄດ້ຮັບຂໍ້ມູນ ion ຊິ້ນສ່ວນຂອງຕົວຢ່າງໄດ້ຢ່າງເຕັມສ່ວນ, ແລະເມື່ອປຽບທຽບກັບຮູບແບບການໄດ້ຮັບຂໍ້ມູນ DDA, ມັນມີທ່າແຮງທີ່ຈະໄດ້ຮັບຂໍ້ມູນ peptide ຂອງຕົວຢ່າງ macroproteome ຢ່າງເຕັມສ່ວນ. ຢ່າງໃດກໍ່ຕາມ, ເນື່ອງຈາກຂໍ້ມູນ DIA ມີຄວາມຊັບຊ້ອນສູງ, ການວິເຄາະຂໍ້ມູນ DIA macroproteome ຍັງປະສົບກັບຄວາມຫຍຸ້ງຍາກຫຼາຍ. ການພັດທະນາປັນຍາປະດິດແລະການຮຽນຮູ້ເລິກເຊິ່ງຄາດວ່າຈະປັບປຸງຄວາມຖືກຕ້ອງແລະຄວາມສົມບູນຂອງການວິເຄາະຂໍ້ມູນ DIA.
ໃນການວິເຄາະຂໍ້ມູນຂອງ metaproteomics, ຫນຶ່ງໃນຂັ້ນຕອນທີ່ສໍາຄັນແມ່ນການກໍ່ສ້າງຖານຂໍ້ມູນລໍາດັບທາດໂປຼຕີນ. ສໍາລັບພື້ນທີ່ການຄົ້ນຄວ້າທີ່ນິຍົມເຊັ່ນ: ພືດກະເພາະລໍາໄສ້, ຖານຂໍ້ມູນຈຸລິນຊີໃນລໍາໄສ້ເຊັ່ນ IGC ແລະ HMP ສາມາດນໍາໃຊ້ໄດ້, ແລະຜົນໄດ້ຮັບການກໍານົດທີ່ດີແມ່ນບັນລຸໄດ້. ສໍາລັບການວິເຄາະ metaproteomics ອື່ນໆສ່ວນໃຫຍ່, ຍຸດທະສາດການກໍ່ສ້າງຖານຂໍ້ມູນທີ່ມີປະສິດທິພາບທີ່ສຸດແມ່ນຍັງສ້າງຖານຂໍ້ມູນລໍາດັບທາດໂປຼຕີນຈາກຕົວຢ່າງໂດຍອີງໃສ່ຂໍ້ມູນລໍາດັບ metagenomic. ສໍາລັບຕົວຢ່າງຊຸມຊົນຈຸລິນຊີທີ່ມີຄວາມຊັບຊ້ອນສູງແລະລະດັບການເຄື່ອນໄຫວຂະຫນາດໃຫຍ່, ມັນຈໍາເປັນຕ້ອງເພີ່ມຄວາມເລິກຂອງລໍາດັບເພື່ອເພີ່ມການກໍານົດຊະນິດທີ່ມີຄວາມອຸດົມສົມບູນຕ່ໍາ, ດັ່ງນັ້ນການປັບປຸງການຄຸ້ມຄອງຂອງຖານຂໍ້ມູນລໍາດັບທາດໂປຼຕີນ. ເມື່ອຂໍ້ມູນການຈັດລໍາດັບຂາດ, ວິທີການຄົ້ນຫາແບບຊ້ໍາຊ້ອນສາມາດຖືກນໍາໃຊ້ເພື່ອເພີ່ມປະສິດທິພາບຖານຂໍ້ມູນສາທາລະນະ. ຢ່າງໃດກໍ່ຕາມ, ການຄົ້ນຫາແບບຊໍ້າໆອາດຈະສົ່ງຜົນກະທົບຕໍ່ການຄວບຄຸມຄຸນນະພາບ FDR, ດັ່ງນັ້ນຜົນການຄົ້ນຫາຕ້ອງໄດ້ຮັບການກວດສອບຢ່າງລະມັດລະວັງ. ນອກຈາກນັ້ນ, ການປະຕິບັດແບບດັ້ງເດີມຂອງການຄວບຄຸມຄຸນນະພາບ FDR ໃນການວິເຄາະ metaproteomics ແມ່ນຍັງມີມູນຄ່າການຂຸດຄົ້ນ. ໃນແງ່ຂອງຍຸດທະສາດການຄົ້ນຫາ, ຍຸດທະສາດຫ້ອງສະຫມຸດ spectral hybrid ສາມາດປັບປຸງຄວາມເລິກການຄຸ້ມຄອງຂອງ DIA metaproteomics. ໃນຊຸມປີມໍ່ໆມານີ້, ຫ້ອງສະຫມຸດ spectral ຄາດຄະເນທີ່ສ້າງຂຶ້ນໂດຍອີງໃສ່ການຮຽນຮູ້ເລິກໄດ້ສະແດງໃຫ້ເຫັນການປະຕິບັດທີ່ເຫນືອກວ່າໃນ DIA proteomics. ຢ່າງໃດກໍ່ຕາມ, ຖານຂໍ້ມູນ metaproteome ມັກຈະມີຈໍານວນທາດໂປຼຕີນຫຼາຍລ້ານ, ເຊິ່ງເຮັດໃຫ້ຫ້ອງສະຫມຸດຂະຫນາດໃຫຍ່ທີ່ຄາດຄະເນ, ບໍລິໂພກຊັບພະຍາກອນຄອມພິວເຕີ້ຫຼາຍ, ແລະສົ່ງຜົນໃຫ້ພື້ນທີ່ຄົ້ນຫາຂະຫນາດໃຫຍ່. ນອກຈາກນັ້ນ, ຄວາມຄ້າຍຄືກັນລະຫວ່າງລໍາດັບທາດໂປຼຕີນໃນ metaproteomes ແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍ, ເຮັດໃຫ້ມັນຍາກທີ່ຈະຮັບປະກັນຄວາມຖືກຕ້ອງຂອງຮູບແບບການຄາດຄະເນຫ້ອງສະຫມຸດ spectral, ດັ່ງນັ້ນຫ້ອງສະຫມຸດ spectral ຄາດຄະເນບໍ່ໄດ້ຖືກນໍາໃຊ້ຢ່າງກວ້າງຂວາງໃນ metaproteomics. ນອກຈາກນັ້ນ, ຍຸດທະສາດການສະຫຼຸບທາດໂປຼຕີນແລະການຈັດປະເພດໃຫມ່ຕ້ອງໄດ້ຮັບການພັດທະນາເພື່ອນໍາໃຊ້ກັບການວິເຄາະ metaproteomics ຂອງທາດໂປຼຕີນທີ່ມີລໍາດັບທີ່ຄ້າຍຄືກັນສູງ.
ສະຫລຸບລວມແລ້ວ, ເປັນເຕັກໂນໂລຢີການຄົ້ນຄວ້າຈຸລິນຊີທີ່ພົ້ນເດັ່ນຂື້ນ, ເຕັກໂນໂລຢີ metaproteomics ໄດ້ບັນລຸຜົນການຄົ້ນຄວ້າທີ່ສໍາຄັນແລະຍັງມີທ່າແຮງການພັດທະນາຢ່າງຫຼວງຫຼາຍ.
ເວລາປະກາດ: ສິງຫາ-30-2024