[發明專利]一種蛋白質組學IPR注釋及富集分析的方法及裝置

在審

• 申請號: 202011386481.6
• 申請日: 2020-12-01
• 公開（公告）號: CN112466394A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 顧洪濤;趙海義
• 申請（專利權）人: 武漢金開瑞生物工程有限公司
• 主分類號: G16B20/00
• 分類號: G16B20/00;G16B45/00
• 代理公司: 武漢智嘉聯合知識產權代理事務所(普通合伙) 42231
• 代理人: 黃君軍

本發明涉及一種蛋白質組學IPR注釋及富集分析的方法及裝置，該方法包括：獲取高通量蛋白質組數據；根據高通量蛋白質組數據，確定對應的蛋白序列FASTA文件；對多個蛋白序列FASTA文件進行IPR注釋分析；對多個蛋白序列FASTA文件對應的IPR注釋分析結果進行統計分析；對多個蛋白序列FASTA文件進行IPR富集分析；對多個蛋白序列FASTA文件對應的IPR富集分析結果進行統計分析。本發明基于Interpro資源數據庫，獨立或全部利用每個數據庫的獨特優勢進行蛋白功能IPR分析，其次利用多種智能分析，完成一鍵化操作，只需按下“Enter”鍵，相關分析全部自動完成并輸出到指定文件夾，一鍵化省時省力，避免單個流程逐個分析時產生的人為錯誤。

技術領域

本發明涉及高通量蛋白質組學的數據處理技術領域，尤其涉及一種蛋白質組學IPR注釋及富集分析的方法及裝置。

背景技術

蛋白質組學大規模分析幾乎都會涉及蛋白質的家族及其結構域和重要位點預測。而Interpro是可減少冗余并簡化蛋白質序列分析、允許同時查詢所有成員數據庫、利用其各自的優勢來生成功能強大的分類工具。然而，現有Interpro的數據處理過程中存在諸多弊端。一方面，Interpro網站線上分析單次只能分析一個蛋白質序列，針對高通量蛋白質組學數據的IPR注釋分析，若使用該方法不僅耗時還容易因人為操作而出錯；且Interpro本地化雖然單次能分析多個蛋白序列，但每次只能分析一組蛋白序列(每組包含多個蛋白質序列)，而對于高通量蛋白質組學數據，通常存在多組蛋白序列需要分析，針對這種情況，IPR注釋分析亦需簡化操作，提高效率。另一方面，高通量蛋白質組學數據IPR注釋分析后，通常還要進行IPR富集分析，以及注釋與富集結果的統計作圖分析(通過作圖直觀展示注釋與富集結果)，如果這些步驟單獨分步驟進行，都容易出錯且效率低。

綜上，如何進行高效快速的高通量蛋白質組學的數據處理是亟待解決的問題。

發明內容

有鑒于此，有必要提供一種蛋白質組學IPR注釋及富集分析的方法及裝置，用以解決現有技術中無法進行高效快速的高通量蛋白質組學的數據處理的問題。

本發明提供一種蛋白質組學IPR注釋及富集分析的方法，包括：

獲取高通量蛋白質組數據；

根據所述高通量蛋白質組數據，確定對應的蛋白序列FASTA文件；

對所述多個蛋白序列FASTA文件進行IPR注釋分析；

對所述多個蛋白序列FASTA文件對應的IPR注釋分析結果進行統計分析；

根據所述IPR注釋分析結果，對所述多個蛋白序列FASTA文件進行IPR富集分析；

對所述多個蛋白序列FASTA文件對應的IPR富集分析結果進行統計分析。

進一步地，所述蛋白序列FASTA文件包括定性蛋白序列FASTA文件和定量蛋白序列FASTA文件，所述根據所述高通量蛋白質組數據，確定對應的多個蛋白序列FASTA文件包括：

針對所述高通量蛋白質組數據中的定性分析數據，獲取所述定性蛋白序列FASTA文件；

針對所述高通量蛋白質組數據中的定量分析數據，獲取所述定量蛋白序列FASTA文件，其中，所述定量蛋白序列FASTA文件包括總鑒定蛋白序列、各比較組差異表達蛋白序列、以及差異表達蛋白的log2FC列表。

進一步地，所述對所述多個蛋白序列FASTA文件進行IPR注釋分析包括：

設置Interproscan的參數配置，其中，所述參數配置包括Interpro數據庫和IPR分析輸出格式；

針對所述定性蛋白序列FASTA文件，調用Interproscan進行對應的定性蛋白質序列的IPR分析；