蛋白質組學
關注創建者：匿名 創建時間：2021-08-19
蛋白質組學的視頻教程
基于workbench的滑輪組瞬態動力學分析，視頻免費無聲音，操作細致，建模需購買。
本視頻教程為基于workbench的滑輪組瞬態動力學分析，視頻免費無聲音，操作細致，主要包括DM詳細建模，運動副及其載荷的設置，以及最后的后處理，step by step（附件沒有提供，建議自己跟隨視頻在DM中建模（需購買）），建議0.5倍速觀看，歡迎私信討論學習，。
￥4 43分鐘 76播放
查看
蛋白質組學的實例教程
平臺可以將云計算與科研相結合，在生物信息組進行基因組分析運用方面表現出色，可以在一周內完成2000個物種基因組分析，有力地提升了數據分析的效率。
從目前的趨勢來看，人工智能+蛋白質組學的應用，將在藥物的靶點確認、藥物作用機制等研究方面發揮重要作用，北鯤云超算平臺的方案日臻成熟，無疑將為相關機構在蛋白質組學的研究上進行新的探索提供有力支持。
? 深度學習介紹，常用神經網絡架構介紹? 監督學習介紹，神經網絡在轉錄組學+代謝組學的疾病預測為例
? 無監督學習介紹，高維組學數據降維，聚類分析，以單細胞轉錄組數據為例
2 案例實踐五：基于t-SNE和UMAP進行單細胞轉錄組學數據降維，細胞亞型聚類分析。
進階大綱
多組學聯合分析，闡明疾病分子機制 （入門及實戰）
背景：研究影響疾病表型變化影響的因素包括DNA,RNA,蛋白質和代謝物等。單一組學的數據難以系統全面地解析復雜生理過程的調控機制，多組學聯合分析通過對來自基因組、轉錄組、蛋白組、代謝組和脂質組等不同生物分子層次的批量數據進行歸一化處理、比較分析和相關性分析等統計學分析，建立不同層次分子間的數據關系，從而共同探究生物體內潛在的調控網絡機制，為生物體作用機制提供了更多證據。
目標：從常見的多組學聯合分析策略出發，如轉錄組+代謝組，蛋白組+代謝組等，對常用的數理統計分析方法進行介紹，之后學習如何利用數據庫如KEGG等進行生物功能富集分析，結合機器學習方法進行生物標志物的挖掘，疾病預測以及生物分子作用機制等。
展開 在近代生物醫藥的發展進程中，針對蛋白質的研究一直沒有停止過。近些年，業界的研究重點主要集中在了靶向蛋白質組技術層面，在北鯤云提供的超算平臺支撐下，技術的研究取得了可喜的進展。這種技術產生的背景是，過去的很長時間里，針對檢測樣品中含量的分析，都要通過抗體、轉錄水平等間接途徑才能實現，這些方法存在著很多的弊端，比如靈敏度低、誤差大等。而靶向蛋白質組技術可以很好地解決這些痛點問題。
在采用這一技術的過程中，也存在著不少的難題。其中的難點就是在已知一個蛋白質的三維結構的情形下，怎樣利用一系列的推算算法，來得出它在折疊的過程中形成的各種各樣的中間構象。這顯然并不是一件簡單的事情，這是因為，由數千個氨基酸組成的長鏈自發地折疊成穩定結構，所需要的時間大約為 1 秒鐘。在北鯤云等平臺出現之前，按照常規的計算水平，是難以匹配蛋白質形成的時間尺度的。
有研究機構發現，在這短短一秒鐘的時間里，有部分結構會衍生出具有較高親和力的結合位點。而正是基于這樣的發現，為靶向蛋白質折疊中間體致藥理性失活（PPI-FIT）技術提供了很好的藍本。其大致的原理是，在藥物與這些位點相結合之后，可以干擾蛋白質的正確折疊，進而使的其形態停留在中間體的狀態。細胞會將這些中間體識別為不正確的折疊，并通過自噬—溶酶體這種方式促使其進行降解，達到清除致病蛋白的目的。
在蛋白質的折疊過程中，多肽會使用大量的時間處于非通路狀態，借助于分子動力學的模擬計算，可以通過關注中間體構象的變化達到提高采樣率的目的，如果能夠對這一原理進行利用，就意味著分析效率會得到極大的提升。目前，已經有機構基于北鯤云開發出了對應的分析模型，按照這樣的思路，一旦識別到有潛力的折疊中間體，此類結構就會訊速地進入到虛擬篩選名單中，進而成為對應的靶點，并產生有巨大價值的小分子藥物。
展開 進階大綱
多組學聯合分析，闡明疾病分子機制 （入門及實戰）
背景：研究影響疾病表型變化影響的因素包括DNA,RNA,蛋白質和代謝物等。單一組學的數據難以系統全面地解析復雜生理過程的調控機制，多組學聯合分析通過對來自基因組、轉錄組、蛋白組、代謝組和脂質組等不同生物分子層次的批量數據進行歸一化處理、比較分析和相關性分析等統計學分析，建立不同層次分子間的數據關系，從而共同探究生物體內潛在的調控網絡機制，為生物體作用機制提供了更多證據。
目標：從常見的多組學聯合分析策略出發，如轉錄組+代謝組，蛋白組+代謝組等，對常用的數理統計分析方法進行介紹，之后學習如何利用數據庫如KEGG等進行生物功能富集分析，結合機器學習方法進行生物標志物的挖掘，疾病預測以及生物分子作用機制等。
常用生物組學實驗與分析方法，如轉錄組學，代謝組學常用組學數據庫介紹，如TCGA,PathBank,HMDB,KEGG
Python批量處理組學數據-歸一化處理，差異分析，相關性分析
生物功能分析：GO 功能分析、代謝通路富集、分子互作等
基于轉錄組學的差異基因篩選，疾病預測
基于差異基因，聯合代謝組學分析疾病分子發生機制
? 組學數據可視化，如火山圖，t-SNE降維，代謝通路網絡分析
? 組學特征（基因，蛋白，代謝物）選擇（隨機森林分析）
? 單細胞轉錄組學數據分析及可視化分析
2 案例實踐三：（包含以下內容）
2 轉錄組+代謝組的多組學分析胃癌
2 從海量的數據中篩選出關鍵基因、代謝物及代謝通路
2 深度解析胃癌腫瘤標志物解釋腫瘤發生發展的復雜性和整體性案例
深度學習神經網絡進階(入門及實踐)
目標：學習前沿神經網絡如卷積神經網絡，循環神經網絡，注意力機制，自編碼器，圖神經網絡在生物組學及藥物篩選的應用，遷移學習應用等。
展開 化療藥物和蛋白質藥物是目前臨床上腫瘤藥物治療的兩種主要手段，并且兩類藥物的聯合使用可產生協同增強的抗腫瘤功效。然而，化療藥物和蛋白質藥物在藥代動力學和生物分布等方面的巨大差異以及嚴重的藥物毒副作用限制了傳統聯用治療的應用。為了獲得最佳的協同抗腫瘤功效，蛋白質-化療藥物-高分子（protein-drug-polymer, PDP）偶聯物是一種簡潔有效的藥物聯用策略，利用高分子材料共價偶聯藥物，形成藥物共遞送系統，并以可控的方式在腫瘤靶位釋放出雙重或多重藥物。目前對PDP偶聯物的設計和體內抗腫瘤研究甚少。
北京大學呂華課題組報道了一種位點特異且結構明確的多重響應性干擾素-聚硫辛酰肼阿霉素-聚氨基酸偶聯物（IFN-PolyDox-PEP），用于腫瘤的聯合藥物治療。作者巧妙地將蛋白質-聚氨基酸的定點偶聯Grafting-to技術與原位冷凍聚合生長聚二硫化物的Grafting-from技術相結合，使不同種類的高分子材料在藥物遞送的各個階段充分發揮作用。首先，聚氨基酸的修飾顯著提升藥物的半衰期，有利于更好地實現藥物的腫瘤富集。隨后，腫瘤微環境高表達的MMP酶介導的酶切釋放出干擾素蛋白原藥，提高干擾素對腫瘤細胞表面干擾素受體的結合力，充分發揮干擾素的抗腫瘤活性。進一步，聚二硫化物的特殊入胞機制和解聚性能促進了阿霉素的胞內遞送和無痕釋放（圖1）。
圖1.（A）IFN-PolyDox-PEP的合成示意圖。（B）集MMP酶響應，酸響應和谷胱甘肽響應于一體，促進IFN和Dox靶向釋放，實現蛋白質-化療藥聯合用藥，增強抗腫瘤協同效應。
展開 
蛋白質組學的最新內容
征稿領域 包括但不限于
生物信息
基因組學
蛋白質組學
DNA序列分析
蛋白質編碼
蛋白質空間結構模擬
分子生物學
遺傳信息
基因工程
基因表達
蛋白質比對
基因識別分析
分子進化
序列重疊群裝配
基因藥物
生物醫學工程
醫用傳感器
數字信號處理
醫學圖像處理
醫用儀器原理
醫學影像儀器
診斷學
內科學
、蛋白質組學和代謝組學）的數據可以通過基于深度學習的預測算法進行整合，以揭示系統生物學的復雜工作。
rosetta從頭蛋白抗體設計、結構優化及在藥物研發中的應用（篇二）
一. 從蛋白質折疊到蛋白質設計
目標：了解本方向內容、理論基礎、研究意義。
1 蛋白質折疊與結構預測簡介
1.1 主鏈二面角與二級結構
1.2 側鏈堆積與三級結構
2 蛋白質設計簡介
2.1 蛋白質設計的分類及應用
am10:00~10:50
二. rosetta基礎
三. 蛋白質結構
CADD蛋白結構分析、虛擬篩選、分子對接（蛋白-蛋白、蛋白-多肽）（篇一）
第一天上午
生物分子互作基礎
1.生物分子相互作用研究方法
1.1蛋白-小分子、蛋白-蛋白相互作用原理
1.2 分子對接研究生物分子相互作用
1.3 蛋白蛋白對接研究分子相互作用
蛋白數據庫
1. pdb 數據庫介紹
1.1 pdb蛋白數據庫功能
1.2 pdb蛋白數據可獲取資源
、蛋白質組學和代謝組學）的數據可以通過基于深度學習的預測算法進行整合，以揭示系統生物學的復雜工作。
了解更多 請關注公眾號：第一性原理計算與應用
扣扣：745729222
機器學習作為從數據中進行學習的算法，可以對不同組學來源(如基因組學、轉錄組學、蛋白質組學、代謝組學)的數據進行綜合分析，開發針對個體多樣性的多因素預測模型，證明預測治療可能存在的有效性。
天然蛋白質具有臨界穩定性的特征，然而臨界穩定性使得蛋白質遭受脅迫壓力后極易發生錯誤折疊并失去功能。
由于NGS和蛋白質組學的技術突破，現在有可能在更短的時間內對結構蛋白進行測序。
生物世界中存在多種天然蛋白質基材料，盡管并非詳盡無遺，但本綜述中介紹的模型生物系統代表了自然界中發現的主要承重材料類別，包括剛性或可延展(生物彈性體)纖維、粘合劑和散裝材料。
PolyU 樊穎博士課題組現誠聘研究助理兩名以及博士后若干名。擬從事的主要方向包括：城市經濟學，房地產經濟學，城市規劃以及相關專業。詳細信息如下.
一、 高級研究助理/研究助理招聘
申請者的工作內容：
幫助項目leader 從事相應課題研究：Tackling Ageing Buildings and Facilitating Urban Transformation
只有從蛋白質組學的角度對所有蛋白質的總和進行研究，才能更科學地掌握生命現象和活動規律，更完善地揭示生命的本質。
蛋白純化要利用不同蛋白間內在的相似性與差異，利用各種蛋白間的相似性來除去非蛋白物質的污染，而利用各蛋白質的差異將目的蛋白從其他蛋白中純化出來。每種蛋白間的大小、形狀、電荷、疏水性、溶解度和生物學活性都會有差異，利用這些差異可將蛋白從混合物如大腸桿菌裂解物中提取出來得到重組蛋白。
