Computational Environment for Discovery of New Molecules with Diagnostic Potential
Autores
|
6216 |
2832,2262,163
|
|
|
6217 |
2832,2262,163
|
|
|
6218 |
2832,2262,163
|
Informações:
Publicações do PESC
A proteômica é uma ciência multidisciplinar que realiza o estudo em larga es-cala de proteínas. Algumas de suas aplicações são identificação e sequenciamento de proteínas, quantificação, e identificação de interações proteína-proteína. Para realizar essas tarefas, a proteômica faz extenso uso de espectrometria de massas e de inteligên-cia artificial.
Todavia, em média 75% dos espectros de massas analisados não são identifica-dos pelas estratégias de busca consideradas estado-da-arte. Esse trabalho apresenta me-todologia inovadora, capaz de listar espectros de alta qualidade que são discriminativos entre diferentes condições biológicas independentemente de serem identificados pelas ferramentas de busca existentes. Exemplificamos uma aplicação desta metodologia ao listar espectros discriminativos entre três espécies de fungos do gênero Aspergillus. Adicionalmente, nossa metodologia mostrou-se capaz de discriminar entre amostras de pacientes diagnosticados com as doenças renais nefropatia lúpica e nefropatia por IgA.
A metodologia foi implementada no software DiagnoProt, o qual está disponí-vel para download no site http://www.patternlabforproteomics.org/diagnoprot/.
Proteomics is a multidisciplinary science that performs large-scale study of pro-teins. Some of its applications are identification and sequencing of proteins, quantifi-cation, and identification of protein-protein interactions. To accomplish these goals, proteomics relies on intense use of mass spectrometry and artificial intelligence.
On average, 75% of all mass spectra are not identified by state-of-the-art search strategies. In this work, we introduce a methodology for listing high-quality spectra that are discriminative among different biological conditions, independently of being iden-tified by existing search tools. We exemplify the usefulness of our methodology by shortlisting discriminative spectra among three types of fungi from the Aspergillus ge-nus. Moreover, our methodology could discriminate between samples of patients with the kidney diseases lupus nephropathy versus IgA nephropathy.
The methodology was implemented in a software termed DiagnoProt that is available at http://www.patternlabforproteomics.org/diagnoprot/.