15.02.07 Effizientere Proteomanalysen
Bessere Werkzeuge für Proteinanalysen
Hin zu wirklichen Proteomanalysen
Untersuchungsmethoden mit hohem Durchlauf sind charakteristisch für die moderne Biologie. Eine neue Studie, die unter der Leitung von ETH-Forschern durchgeführt wurde, zeigt nun auf, wie die Analysen grosser Mengen von Proteinen, so genannte Proteomanalysen, effizienter gestaltet werden können. Damit rücken auch Untersuchungen, welche wirklich alle Proteine eines Organismus’ umfassen, in Griffweite.
Christoph Meier (ETHZ)
 |
 |
Abb.: Komplexe Apparaturen prägen bereits
die Proteomanalyse
Quelle: R. Aebersold
Genomik, Proteomik, Glykomik - Die moderne Biologie ist geprägt von den „omik“-Bereichen, in denen nicht mehr Einzelmoleküle betrachtet werden, sondern Analysen grosser Mengen von Genen, Proteinen oder Zuckern durchgeführt werden. Dabei kann von aussen der Eindruck entstehen, dass bei solchen High-throughput-Studien immer die kompletten Molekülsätze der Organismen untersucht werden. Das trifft aber zumindest für die Proteine und Zucker nicht zu. Denn momentan fehlen dafür noch die entsprechenden Werkzeuge.
Der Arbeitsgruppe von Ruedi Aebersold, ETH-Professor am Institut für molekulare Systembiologie, ist es in Zusammenarbeit mit Forschern des Institute for Systems Biology in Seattle, der University of California in Los Angeles und von der Firma Cellzome, nun gelungen, die Analyse-Methode für Proteine zu verbessern. Die Studie, die in der Fachzeitschrift „Nature Biotechnology“ erschien, könnte den Weg ebnen für Analysen, die zukünftig den kompletten Proteinsatz eines Organismus’ erfassen.
Nicht jedes Peptid ist gleich typisch
Ausgangspunkt für die neue Arbeit der Wissenschaftler war der Befund, dass bei massenspektrometrischen Analysen, die verschiedenen Peptide, also die Fragmente der untersuchten Proteine, trotz gegenteiliger Erwartung mit ungleicher Häufigkeit auftreten. Das heisst, verschiedenen Peptide eignen sich mehr oder weniger für die Identifikation ihres Mutterproteins. Die Forscher demonstrierten dieses Phänomen nochmals anhand eigener Beispiele. Dabei zeigten sie auch auf, dass im Schnitt drei verschiedene Peptide genügen, um 95 Prozente der Proteine zu identifizieren. Das wiederum bedeutet, dass Proteomanalysen mit einer geringen Anzahl proteintypischer Peptide durchführen lassen. Doch was macht ein Peptid zu einem Proteinidentifikator?
Um diese Frage zu beantworten, sammelten die Wissenschaftler möglichst viele Eigenschaften der einzelnen Protein-identifizierenden Peptide. Sie verwendeten dafür mehr als 600'000 Peptide, die sie auf vier proteomischen Plattformen – also verschiedenen Proteom-Analyseverfahren – generierten. Dabei konnte rein empririsch 16'000 proteotypische Peptide von 4030 Hefeproteinen bestimmt werden. Schliesslich entstand für jedes Peptid ein 1000-dimensionaler Eigenschaftsvektor, in den Masse wie die Ladung oder Wasserabstossung einflossen. Mit Mustererkennungsmethoden konnte dann der Eigenschaftsraum auf die fünf Dimensionen, welche am meisten Unterscheidungskraft besitzen, reduziert werden.
Abb.: Mitarbeiterin bei der Auswertung
gesammelter Daten
Quelle: R. Aebersold
Danach überprüften die Forscher ihren Identifikationsalgorithmus. Er erwies sich als erfolgreich für die Bestimmung diagnostisch wertvoller Peptide bei bekannten Proteinen, konnte aber auch eingesetzt werden für die Suche neuer entsprechender Peptide bei bisher nicht erfassten Proteine. Erstaunlicherweise fand man dabei heraus, dass zwischen der Proteinlänge und der Anzahl „diagnostischer“ Peptide kein linearer Zusammenhang besteht. Dass das Identifikationswerkzeug unabhängig von verschiedenen Proteomplattformen funktioniert, verspricht eine breite Einsatzmöglichkeit des neuen Algorithmus.
Alle Proteine von Drosophila im Visier
„Unsere Befunde ermöglichen eine schlankeres und schnelleres Verfahren“, fasst Ruedi Aebersold zusammen. Denn bis anhin seien die Methoden hoch redundant und in der Folge auch sehr aufwändig gewesen. Die nun leichter durchführbare Identifikation von Protein spezifischen Peptiden wird auch die Proteinquantifizierung stark verbessern. Man könne nun solche Peptide markieren und bekannte Menge davon als Referenz gebrauchen, erläutert Aebersold.
In Zukunft will der Wissenschaftler die neuen Algorithmen verwenden, um bei Modellorganismen Peptide von Proteinen zu finden, die bisher in Proteomanalysen nie erfasst wurden. „Das Ziel dieses gemeinsamen Projektes der ETH und Uni Zürich innerhalb des "Systems X"-Verbundes ist, zum ersten Mal das wirklich komplette Proteom verschiedener Arten, inklusive Drosophila melanogaster, Caenorhabditis elegans und Arabidopsis thaliana, zu bestimmen.“
Kontakt
ETH Zurich
Prof. Ruedi Aebersold
Institute of Molecular
Systems Biology
HPT E 78
Wolfgang-Pauli-Str. 16
8093 Zurich
SWITZERLAND
Telefon: +41 44 633 31 70
Quellen
Computational prediction of proteotypic peptides for quantitative proteomics
P. Mallick, M. Schirle, S. S. Chen, M. R. Flory, H. Lee, D. Martin, J. Ranish,
B. Raught, R. Schmitt, T. Werner, B. Kuster, R. Aebersold, Nat Biotechnol. 2007,
25, 125-131. DOI:
10.1038/nbt1275
Bitte zitieren Sie die Seite wie folgt:
Effizientere Proteomanalysen
(URL: https://www.organische-chemie.ch/chemie/2007feb/proteomics.shtm)
Verwandte Themen:
