蛋白组学发文必看，iProX又添新功能啦~（附带上传操作可收藏）

2022年01月北京蛋白质组研究中心研究员朱云平课题组在Nucleic Acids Res. 期刊发表的题为 “iProX in 2021: connecting proteomics data sharing with big data ”的综述文章，总结了自2019年iProX在《核酸研究》上发表以来的主要进展，包括全面的数据提交和统计、iProX的大数据架构和基础结构、以及USI、RESTful Web Service API、iProX中公共数据的再分析和可视化。

蛋白组学是以蛋白质组为研究对象的科学，目前已经在生命科学研究中发挥着越来越重要的作用。蛋白组学的快速发展产生了大量数据，而大数据平台的出现有助于巨量数据的处理。

ProteomeXchange（PX）联盟是一个蛋白组学数据库，有助于蛋白组学数据的共享，成员包括PRIDE，PeptideAtlas等。iProX是一家在中国建立的蛋白质组学数据与知识中心，于2017年加入PX联盟，旨在促进蛋白质组学资源在世界范围内的共享，是现在国内上传蛋白原始数据使用最多的平台之一。那么接下来就一起跟随小编看看iProX在2021的最新进展吧。

1. 存储库的当前状态和更新

截至2021年8月底，一共有1526 数据集提交到iProX，共计92.42TB。从2017年到2021年，蛋白质组学数据集的数量和规模迅速增长，大于500GB的大数据集和大于1TB的超大数据集被提交到iProX。iProX最常见的物种有Homo sapiens、Mus musculus等；此外，iProX还收集了一些蛋白质组学研究较少的物种的数据集，例如Haemaphysalis longicornis，Anabaena sp. PCC 7120等，包含了ProteomeXchange中这些物种几乎所有的蛋白质组数据集。数据量的扩增有利于蛋白组学进一步的发展，也有利于研究者利用蛋白组学这一工具，更快更好地解决面临的生物学问题。

图1 | 在iProX中公开发布的数据集（截至到2021年8月）

（a）每月累计数据大小和提交数据集数

（b）10个最大的发布的数据集

（c）每年提交的数据集的累积数量

（d）iProX中公开数据集的物种分布

（e）大于1TB的数据集的分布

（f）iProX中数据集的三类物种(动物、植物和微生物)分布

2.iprox的大数据架构和基础结构

构建了一个可扩展性高的超融合体系来支持提交过程；使用hadoop存储大量的蛋白质组学数据，存储容量增至1PB；使用了一个分布式RESTful-styled Elastic Search引擎可在一秒钟内检索数百万条记录。通过RESTful API接口，将基于web和基于Asepra 的上传和下载步骤重构为独立的子传输服务。搜索元数据，识别蛋白质、多肽和光谱也包含在子服务中，以在不中断提交的情况下实现秒级响应。iProX数据库在不改变数据提交的前提下提高了它的可用性、可靠性和实时响应性。同时还在广州国家超级计算中心配备了数据恢复和实时备份系统，当北京的主站点不可用时，可以在几分钟内接管服务。这些提升将加速实验人员大量数据的处理过程，也避免在数据传输过程中产生中断。

图2 | 基于hadoop的iProX大数据架构和基础结构

3. iProX 2021新功能

基于hadoop大数据平台的实现，iProX开发了几个新功能，包括通用频谱标识符(USI)的实现、iProX公共数据的再分析和可视化，以及RESTful Web Service APIs。

图3 | iProX 2021实现的新功能

4.通用图谱识别符(USI）

在iProX中，USI通过Elastic Search将图谱定位到HBase中。iProX支持USI在http://www.iprox.cn/page/spectrum.html上查找和显示HBase中的2000万个图谱。

5.公共数据的再分析和可视化

建立了高效的再分析流程，并将其应用于iProX发布的数据和分析公共数据集。这一过程产生了数以百万计的高质量图谱和蛋白识别，所识别的蛋白质提供了UniProt的登录号和相关的URLs。目前，这种再分析可以处理DDA 数据。我们将上述再分析流程应用于公共数据集IPX0000937000，并在控制错误发现率下获得了2000万个新标识。所有这些标识都被解析并存储到一个HBase集群中。这些再分析数据可以在基于Elastic search引擎的新搜索界面上访问，并且可以通过IPX登录号追溯到原始数据集。我们将重新分析所有的公开数据，建立一个大规模谱库，并交叉引用其他外部数据集，如UniProt。

6.iProX RESTFUL WEB SERVICE API

iProX提供一个RESTful Web Service 应用程序接口（API），来自动获取蛋白信息。它报告数据集的元数据，或肽、蛋白质和光谱数据的再分析，包括获取特定数据集或数据集列表的元数据，并收集肽型、蛋白质和肽谱匹配(PSM)，或USIs引用的图谱列表。这些提供在以下网址：https://www.iprox.cn/proxi/swagger-ui.html。

iProX可以支持PB级数据存储、数以亿记图谱记录、秒级延迟服务能力，满足快速增长的蛋白质组学领域的需求。iProX在促进全球蛋白质组学数据的分析和共享方面发挥着重要作用。这些发展将增强科研人员的研究能力，同时也将促进蛋白质组学在系统生物学研究发挥越来越重要的作用。

蛋白质组学通过研究生物样本中蛋白质组成和变化，从而推动疾病的病理机制研究，为临床诊断和预后提供潜在生物标志物。目前，蛋白质组学越来越多的应用于研究当中，其对应的研究方法，数据库及其研究平台也在不断更新，以满足蛋白组学的更高要求。欧易/鹿明生物公司为广大科研工作者提供多种蛋白组学检测服务，包括：LC-MSMS蛋白质谱鉴定、iTRAQ/TMT标记定量蛋白组学、Label Free非标记定量蛋白组学、DIA蛋白组学、PRM靶向蛋白验证。

蛋白质组数据如何轻松上传到公共数据库？（点击下方图片）

鹿明生物引入了布鲁克tims TOF pro，并引入了与其高MSMS扫描速度匹配的Evosep One 高通量色谱，打造捕获离子淌度的4D蛋白质组学分析体系。由于离子淌度分离概念的引入使得蛋白质组学进入了4D新时代。4D-Proteomics™是在3D分离即保留时间（Retention time）、质荷比（m/z）、离子强度（Intensity）这三个维度的基础之上增加了第四个维度，离子淌度（Mobility）的分离（图1），进而大幅度的提高扫描速度和检测灵敏度，带来蛋白质组学在鉴定深度、检测周期、定量准确性等性能的提升。欢迎各位老师前来咨询哦~

猜你还想看

END

饭饭 撰文

欢迎转发到朋友圈

本文系鹿明生物原创

转载请注明本文转自鹿明生物