[发明专利]参考蛋白质数据库的构建方法、存储介质、电子设备

说明书

本发明属于生物技术领域，特别涉及一种参考蛋白质数据库的构建方法，包括如步骤：S2、获取公共数据库中的SNP位点信息,对SNP位点进行筛选，得到导致编码氨基酸改变的SNP位点列表；S3、在SNP位点列表中根据样品的蛋白丰度筛选出表达量高的蛋白质的SNP位点；S4、生成筛选后的SNP位点列表对应的可遗传变异肽，将所述可遗传变异肽加入公共蛋白质数据库的参考蛋白质序列，以生成基于样品的参考蛋白质数据库，所述参考蛋白数据库包含所述可遗传变异肽。本发明的参考蛋白质数据库基于样品，从而避免错误去除蛋白质而产生的误差，提高有效数据完整性，也不会导致纳入过多的遗传变异信息造成高度冗余性。

技术领域

本发明涉及生物技术以及信息技术领域，具体涉及一种参考蛋白质数据库的构建方法，基于蛋白质组学测定SNP位点的方法。

背景技术

基于质谱的蛋白质组学已成为全面检测和表征蛋白质的主要方法，在整个生物学和医学领域起重要作用。为了鉴定肽或蛋白质，大多数蛋白质组学实验都依赖于公共通用的蛋白质序列参考数据库，以从公共通用的蛋白质序列参考数据库搜索得出的理论质谱为基准，对实验肽段质谱图进行比较、评分。但是，公共通用的蛋白质序列参考数据库中缺少的蛋白质就难以被检测到，比如尚未发现的未注释的蛋白质或包含单核苷酸多态性(single nucleotide polymorphism，SNP)的蛋白质，然而，这些蛋白质却通常具有重要的生物学意义。

SNP是指在基因组水平上由单个核苷酸变异引起的DNA序列多态性，在人类基因组中广泛存在，据研究预计人类基因组中SNP总数可达300万甚至更多，是新一代的可用于鉴定的遗传标记。个体特异性的SNP可能是疾病的潜在突变，影响药物的个体敏感性或耐受性，也可作为个体身份识别鉴定的标志物。鉴于SNP重要的应用价值，目前已经开发出多种方法用于SNP位点的检测，主要包括DNA分子杂交、引物延伸、等位基因特异的寡核苷酸连接反应、侧翼探针切割反应以及基于这些方法的变通技术。但是，上述对于SNP的解析方法都是基于核酸层面。

蛋白质序列是基因组DNA的外显子经过转录、翻译得到，因而部分DNA中的SNP会导致对应蛋白中氨基酸序列的改变，这让从单个氨基酸多态性(Single amino acidpolymorphism，SAP)的位点反推SNP位点有可靠的理论依据。SAP通常是指单个氨基酸突变所造成的肽段的多态性，可遗传变异肽(genetically variant peptides,GVP)是指包括一个或多个氨基酸突变的特异性肽段，通常GVP包含了SAP的情形。得益于质谱技术的重大突破和蛋白质分离、富集方法的进步，基于质谱的蛋白质组学研究的灵敏性和准确性都得到了很大的提升，通过蛋白质来鉴定GVP变得可行，从蛋白层面鉴定SNP也可以更好地在蛋白质水平上表征这些突变的影响。特别是对一些样品，其核酸成分已经受到了外界因素，如酶等因素的破坏，然而蛋白质在某些场合远比DNA更加稳定，甚至经历百年仍然保持其氨基酸的原始序列。对于此类样品，利用蛋白质组学测定SNP是唯一的选择。

因此，基于蛋白质组学测定SNP位点具有很高的现实应用意义。蛋白质基因组学得益于新一代测序(next-generation sequencing，NGS)技术的发展，使用基因组或转录组核苷酸测序数据来创建每个样品定制的蛋白质组学数据库，用以基于质谱(massspectrometry，MS)的蛋白质组学在定制的蛋白质组学数据库中搜索，以实现对样品中特异的蛋白质包含的变异进行检测。这种由NGS驱动的蛋白质基因组学的策略已越来越多地用于检测和研究人类蛋白质变异，其好处是多方面的，可以帮助描绘基因组中的蛋白编码基因和突变，可以提供蛋白质存在和蛋白质变异的直接证据，可以帮助发现个体特异性的治疗靶标或生成用于诊断、定制治疗的生物标记物。