کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
11033011 | 1642812 | 2018 | 8 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Integration of large-scale multi-omic datasets: A protein-centric view
ترجمه فارسی عنوان
یکپارچگی مجموعه داده های چند منظوره در مقیاس بزرگ: دیدگاه پروتئینی محور
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
ترجمه چکیده
پروتئومیک مبتنی بر طیف سنجی جرمی مبتنی بر اندازه گیری روزمره پروتئین، محل، تعاملات و اصلاحات، جنبه های منحصر به فرد تنظیم و بیان بیان ژن را فراهم می کند. اکنون زمان آن است که از تحلیل های جداگانه ای از این مجموعه داده ها به سمت یکپارچگی واقعی پروتئومیک با سایر انواع داده ها حرکت کنیم تا بینش های متقابل و وابستگی های بیومولکول ها را درک کنیم. هنگامی که با داده های ژنومی یا ترانسکتومیک ترکیب می شود، پروتئومیک ها حاوی حاشیه نویسی ژنوم را برای شناسایی ژن های نامشخص یا گمشده گسترش می دهند. اندازه گیری های پروتئومیک دینامیک می تواند تجزیه و تحلیل از چارچوب مبتنی بر غلظت به طور عمده به سنتز و تجزیه پروتئین ها. داده های پروتئومیک از هزاران بیمار مبتلا به سرطان می توانند شناسایی جهش های بیماریزا جدید را از طریق تشخیص تغییرات پروتئین پروتئینی که منجر به مسیرهای کنترل نشده در تومورهای مختلف می شود، افزایش دهند. چنین تلاش های جامع می تواند از همکاری ناشی از مجموعه داده های بزرگ و پیچیده برای پیشبرد تقریبا هر زمینه زیست شناسی بهره برداری کند.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
علوم کامپیوتر (عمومی)
چکیده انگلیسی
Innovative mass spectrometry-based proteomics has enabled routine measurements of protein abundance, localization, interactions, and modifications, covering unique aspects of gene expression regulation and function. It is now time to move from isolated analyses of these datasets toward true integration of proteomics with other data types to gain insights from the interactions and interdependencies of biomolecules. When combined with genomic or transcriptomic data, proteomics expands genome annotation to identify variant or missing genes. Dynamic proteomic measurements can move analysis from predominantly concentration-based framework to that of synthesis and degradation of proteins. Proteomic data from thousands of cancer patients can foster identification of novel pathogenic mutations via detection of protein sequence changes that lead to dysregulated pathways in various tumors. Such comprehensive efforts can exploit the synergy arising from large and complex datasets to advance virtually every field of biology.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Current Opinion in Systems Biology - Volume 11, October 2018, Pages 74-81
Journal: Current Opinion in Systems Biology - Volume 11, October 2018, Pages 74-81
نویسندگان
Justin Rendleman, Hyungwon Choi, Christine Vogel,