ମାଇକ୍ରୋବାୟାଲ୍ ମେଟାପ୍ରୋଟେମିକ୍ସ: ନମୁନା ପ୍ରକ୍ରିୟାକରଣ ଠାରୁ ଆରମ୍ଭ କରି ତଥ୍ୟ ବିଶ୍ଳେଷଣ ପର୍ଯ୍ୟନ୍ତ |

ୱୁ ଏନ୍ହୁଇ, କିଆଓ ଲିଆଙ୍ଗ୍ *

ରସାୟନ ବିଜ୍ଞାନ ବିଭାଗ, ଫୁଡାନ୍ ବିଶ୍ୱବିଦ୍ୟାଳୟ, ସାଂଘାଇ 200433, ଚୀନ୍ |

ମାଇକ୍ରୋଅର୍ଗାନ୍ସ ମାନବ ରୋଗ ଏବଂ ସ୍ୱାସ୍ଥ୍ୟ ସହିତ ନିବିଡ ଭାବରେ ଜଡିତ | ମାଇକ୍ରୋବାୟଲ୍ ସମ୍ପ୍ରଦାୟର ଗଠନ ଏବଂ ସେମାନଙ୍କର କାର୍ଯ୍ୟଗୁଡିକ କିପରି ବୁ to ିବେ ତାହା ହେଉଛି ଏକ ପ୍ରମୁଖ ପ୍ରସଙ୍ଗ ଯାହା ତୁରନ୍ତ ଅଧ୍ୟୟନ କରିବା ଆବଶ୍ୟକ | ସାମ୍ପ୍ରତିକ ବର୍ଷଗୁଡିକରେ, ମେଟାପ୍ରୋଟେଓମିକ୍ସ ମାଇକ୍ରୋଅର୍ଗାନ୍ସର ଗଠନ ଏବଂ କାର୍ଯ୍ୟକୁ ଅଧ୍ୟୟନ କରିବା ପାଇଁ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ବ technical ଷୟିକ ମାଧ୍ୟମ ପାଲଟିଛି | ଅବଶ୍ୟ, ମାଇକ୍ରୋବାୟଲ୍ ସମ୍ପ୍ରଦାୟର ନମୁନାଗୁଡିକର ଜଟିଳତା ଏବଂ ଉଚ୍ଚ ହେଟ୍ରୋଜେନିଟି ହେତୁ, ନମୁନା ପ୍ରକ୍ରିୟାକରଣ, ମାସ ସ୍ପେକ୍ଟ୍ରୋମେଟ୍ରି ତଥ୍ୟ ହାସଲ ଏବଂ ତଥ୍ୟ ବିଶ୍ଳେଷଣ ବର୍ତ୍ତମାନ ମେଟାପ୍ରୋଟେମିକ୍ସ ସମ୍ମୁଖୀନ ହେଉଥିବା ତିନୋଟି ପ୍ରମୁଖ ଆହ୍ become ାନ ହୋଇପାରିଛି | ମେଟାପ୍ରୋଟେମିକ୍ସ ବିଶ୍ଳେଷଣରେ, ବିଭିନ୍ନ ପ୍ରକାରର ନମୁନାଗୁଡିକର ଉପାଦେୟତାକୁ ଅପ୍ଟିମାଇଜ୍ କରିବା ଏବଂ ବିଭିନ୍ନ ମାଇକ୍ରୋବାୟଲ୍ ପୃଥକତା, ସମୃଦ୍ଧତା, ଉତ୍ତୋଳନ ଏବଂ ଲାଇସିସ୍ ସ୍କିମ୍ ଗ୍ରହଣ କରିବା ଆବଶ୍ୟକ | ଗୋଟିଏ ପ୍ରଜାତିର ପ୍ରୋଟିମ୍ ପରି, ମେଟାପ୍ରୋଟେମିକ୍ସରେ ମାସ ସ୍ପେକ୍ଟ୍ରୋମେଟ୍ରି ଡାଟା ଅଧିଗ୍ରହଣ ମୋଡରେ ଡାଟା-ନିର୍ଭରଶୀଳ ଅଧିଗ୍ରହଣ (DDA) ମୋଡ୍ ଏବଂ ଡାଟା-ସ୍ independent ାଧୀନ ଅଧିଗ୍ରହଣ (DIA) ମୋଡ୍ ଅନ୍ତର୍ଭୁକ୍ତ | DIA ଡାଟା ଅଧିଗ୍ରହଣ ମୋଡ୍ ନମୁନାର ପେପ୍ଟାଇଡ୍ ସୂଚନାକୁ ସଂପୂର୍ଣ୍ଣ ଭାବରେ ସଂଗ୍ରହ କରିପାରିବ ଏବଂ ଏହାର ବିକାଶ ସମ୍ଭାବନା ଅଛି | ଅବଶ୍ୟ, ମେଟାପ୍ରୋଟେମ୍ ନମୁନାଗୁଡିକର ଜଟିଳତା ହେତୁ ଏହାର DIA ତଥ୍ୟ ବିଶ୍ଳେଷଣ ଏକ ପ୍ରମୁଖ ସମସ୍ୟା ହୋଇପାରିଛି ଯାହା ମେଟାପ୍ରୋଟେମିକ୍ସର ଗଭୀର କଭରେଜରେ ବାଧା ସୃଷ୍ଟି କରିଥାଏ | ତଥ୍ୟ ବିଶ୍ଳେଷଣ ଦୃଷ୍ଟିରୁ, ସବୁଠାରୁ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ପଦକ୍ଷେପ ହେଉଛି ଏକ ପ୍ରୋଟିନ୍ କ୍ରମ ଡାଟାବେସ୍ ନିର୍ମାଣ | ଡାଟାବେସର ଆକାର ଏବଂ ସମ୍ପୂର୍ଣ୍ଣତା କେବଳ ପରିଚୟ ସଂଖ୍ୟା ଉପରେ ବିଶେଷ ପ୍ରଭାବ ପକାଇବ ନାହିଁ, ବରଂ ପ୍ରଜାତି ଏବଂ କାର୍ଯ୍ୟକଳାପ ସ୍ତରରେ ବିଶ୍ଳେଷଣକୁ ମଧ୍ୟ ପ୍ରଭାବିତ କରିଥାଏ | ବର୍ତ୍ତମାନ, ମେଟାପ୍ରୋଟେମ୍ ଡାଟାବେସ୍ ନିର୍ମାଣ ପାଇଁ ସୁନା ମାନକ ହେଉଛି ମେଟେଜେନୋମ୍ ଉପରେ ଆଧାରିତ ଏକ ପ୍ରୋଟିନ୍ କ୍ରମ ଡାଟାବେସ୍ | ସେହି ସମୟରେ, ପୁନରାବୃତ୍ତି ସନ୍ଧାନ ଉପରେ ଆଧାରିତ ସର୍ବସାଧାରଣ ଡାଟାବେସ୍ ଫିଲ୍ଟରିଂ ପଦ୍ଧତି ମଧ୍ୟ ଦୃ strong ବ୍ୟବହାରିକ ମୂଲ୍ୟ ଥିବା ପ୍ରମାଣିତ ହୋଇଛି | ନିର୍ଦ୍ଦିଷ୍ଟ ତଥ୍ୟ ବିଶ୍ଳେଷଣ କ strateg ଶଳ ଦୃଷ୍ଟିକୋଣରୁ, ପେପ୍ଟାଇଡ୍-କେନ୍ଦ୍ରିତ DIA ତଥ୍ୟ ବିଶ୍ଳେଷଣ ପଦ୍ଧତିଗୁଡ଼ିକ ଏକ ସଂପୂର୍ଣ୍ଣ ମୁଖ୍ୟ ସ୍ରୋତକୁ ଦଖଲ କରିଛି | ଗଭୀର ଶିକ୍ଷା ଏବଂ କୃତ୍ରିମ ବୁଦ୍ଧିମତାର ବିକାଶ ସହିତ, ଏହା ମାକ୍ରୋପ୍ରୋଟେମିକ୍ ତଥ୍ୟ ବିଶ୍ଳେଷଣର ସଠିକତା, କଭରେଜ୍ ଏବଂ ବିଶ୍ଳେଷଣ ବେଗକୁ ବହୁଗୁଣିତ କରିବ | ଡାଉନ୍ଷ୍ଟ୍ରିମ୍ ବାୟୋ ଇନଫର୍ମାଟିକ୍ସ ବିଶ୍ଳେଷଣ ଦୃଷ୍ଟିରୁ, ନିକଟ ଅତୀତରେ ଏକ ଟିପ୍ପଣୀ ସାଧନ ବିକଶିତ ହୋଇଛି, ଯାହା ମାଇକ୍ରୋବାୟଲ୍ ସମ୍ପ୍ରଦାୟର ଗଠନ ପାଇବା ପାଇଁ ପ୍ରୋଟିନ୍ ସ୍ତର, ପେପ୍ଟାଇଡ୍ ସ୍ତର ଏବଂ ଜିନ୍ ସ୍ତରରେ ପ୍ରଜାତିର ଟିପ୍ପଣୀ କରିପାରିବ | ଅନ୍ୟାନ୍ୟ ଓମିକ୍ସ ପଦ୍ଧତି ତୁଳନାରେ, ମାଇକ୍ରୋବାୟଲ୍ ସମ୍ପ୍ରଦାୟର କାର୍ଯ୍ୟକାରିତା ବିଶ୍ଳେଷଣ ହେଉଛି ମାକ୍ରୋପ୍ରୋଟେମିକ୍ସର ଏକ ଅନନ୍ୟ ବ feature ଶିଷ୍ଟ୍ୟ | ମାକ୍ରୋପ୍ରୋଟୋମିକ୍ସ ମାଇକ୍ରୋବାୟଲ୍ ସମ୍ପ୍ରଦାୟର ମଲ୍ଟି-ଓମିକ୍ସ ବିଶ୍ଳେଷଣର ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଅଂଶ ହୋଇପାରିଛି, ଏବଂ କଭରେଜ୍ ଗଭୀରତା, ଚିହ୍ନଟ ସମ୍ବେଦନଶୀଳତା ଏବଂ ତଥ୍ୟ ବିଶ୍ଳେଷଣ ସଂପୂର୍ଣ୍ଣତା ଦୃଷ୍ଟିରୁ ଏପର୍ଯ୍ୟନ୍ତ ବିକାଶର ସମ୍ଭାବନା ରହିଛି |

01 ନମୁନା ପ୍ରବୃତ୍ତି |

ବର୍ତ୍ତମାନ, ମାନବ ମାଇକ୍ରୋବାୟୋମ୍, ମୃତ୍ତିକା, ଖାଦ୍ୟ, ମହାସାଗର, ସକ୍ରିୟ କାଦୁଅ ଏବଂ ଅନ୍ୟାନ୍ୟ କ୍ଷେତ୍ରର ଅନୁସନ୍ଧାନରେ ମେଟାପ୍ରୋଟେମିକ୍ସ ଟେକ୍ନୋଲୋଜି ବହୁଳ ଭାବରେ ବ୍ୟବହୃତ ହୋଇଛି | ଗୋଟିଏ ପ୍ରଜାତିର ପ୍ରୋଟିମ୍ ବିଶ୍ଳେଷଣ ସହିତ ତୁଳନା କଲେ ଜଟିଳ ନମୁନାଗୁଡ଼ିକର ମେଟାପ୍ରୋଟେମ୍ ର ନମୁନା ପ୍ରୟୋଗ ଅଧିକ ଆହ୍ faces ାନର ସମ୍ମୁଖୀନ ହୁଏ | ପ୍ରକୃତ ନମୁନାରେ ଥିବା ମାଇକ୍ରୋବାୟଲ୍ ରଚନା ଜଟିଳ, ପ୍ରଚୁର ପରିମାଣର ଗତିଶୀଳ ପରିସର ବୃହତ, ବିଭିନ୍ନ ପ୍ରକାରର ଅଣୁଜୀବର କୋଷ ପ୍ରାଚୀର ଗଠନ ବହୁତ ଭିନ୍ନ, ଏବଂ ନମୁନାଗୁଡ଼ିକରେ ପ୍ରାୟତ host ବହୁ ପରିମାଣର ହୋଷ୍ଟ ପ୍ରୋଟିନ୍ ଏବଂ ଅନ୍ୟାନ୍ୟ ଅପରିଷ୍କାରତା ରହିଥାଏ | ତେଣୁ, ମେଟାପ୍ରୋଟେମ୍ ବିଶ୍ଳେଷଣରେ, ବିଭିନ୍ନ ପ୍ରକାରର ନମୁନାକୁ ଅପ୍ଟିମାଇଜ୍ କରିବା ଏବଂ ବିଭିନ୍ନ ମାଇକ୍ରୋବାୟଲ୍ ପୃଥକତା, ସମୃଦ୍ଧତା, ଉତ୍ତୋଳନ ଏବଂ ଲାଇସିସ୍ ସ୍କିମ୍ ଗ୍ରହଣ କରିବା ଆବଶ୍ୟକ |

ବିଭିନ୍ନ ନମୁନାରୁ ମାଇକ୍ରୋବାୟଲ୍ ମେଟାପ୍ରୋଟେମ୍ ନିର୍ବାହର କିଛି ସମାନତା ଏବଂ କିଛି ପାର୍ଥକ୍ୟ ଅଛି, କିନ୍ତୁ ବର୍ତ୍ତମାନ ବିଭିନ୍ନ ପ୍ରକାରର ମେଟାପ୍ରୋଟେମ୍ ନମୁନା ପାଇଁ ଏକୀକୃତ ପ୍ରି-ପ୍ରକ୍ରିୟାକରଣ ପ୍ରକ୍ରିୟାର ଅଭାବ ଅଛି |

02 ମାସ ସ୍ପେକ୍ଟ୍ରୋମେଟ୍ରି ଡାଟା ଅଧିଗ୍ରହଣ |

ଶଟଗନ୍ ପ୍ରୋଟିମ୍ ବିଶ୍ଳେଷଣରେ, ପ୍ରିପେରେସନ୍ ପରେ ପେପ୍ଟାଇଡ୍ ମିଶ୍ରଣ ପ୍ରଥମେ କ୍ରୋମାଟୋଗ୍ରାଫିକ୍ ସ୍ତମ୍ଭରେ ଅଲଗା ହୋଇଯାଏ, ଏବଂ ପରେ ଆୟନାଇଜେସନ୍ ପରେ ତଥ୍ୟ ହାସଲ ପାଇଁ ମାସ ସ୍ପେକ୍ଟ୍ରୋମିଟରରେ ପ୍ରବେଶ କରେ | ଏକକ ପ୍ରଜାତିର ପ୍ରୋଟିମ୍ ବିଶ୍ଳେଷଣ ପରି, ମାକ୍ରୋପ୍ରୋଟେମ୍ ବିଶ୍ଳେଷଣରେ ମାସ ସ୍ପେକ୍ଟ୍ରୋମେଟ୍ରି ଡାଟା ଅଧିଗ୍ରହଣ ମୋଡ୍ ଗୁଡିକରେ DDA ମୋଡ୍ ଏବଂ DIA ମୋଡ୍ ଅନ୍ତର୍ଭୁକ୍ତ |

ମାସ ସ୍ପେକ୍ଟ୍ରୋମେଟ୍ରି ଯନ୍ତ୍ରର କ୍ରମାଗତ ପୁନରାବୃତ୍ତି ଏବଂ ଅଦ୍ୟତନ ସହିତ, ଉଚ୍ଚ ସମ୍ବେଦନଶୀଳତା ଏବଂ ରେଜୋଲୁସନ ସହିତ ମାସ ସ୍ପେକ୍ଟ୍ରୋମେଟ୍ରି ଯନ୍ତ୍ରଗୁଡ଼ିକ ମେଟାପ୍ରୋଟେମ୍ ଉପରେ ପ୍ରୟୋଗ କରାଯାଏ, ଏବଂ ମେଟାପ୍ରୋଟେମ୍ ବିଶ୍ଳେଷଣର କଭରେଜ୍ ଗଭୀରତା ମଧ୍ୟ କ୍ରମାଗତ ଭାବରେ ଉନ୍ନତ ହୁଏ | ଦୀର୍ଘ ସମୟ ଧରି, ଅର୍ବିଟ୍ରାପ୍ ଦ୍ୱାରା ପରିଚାଳିତ ହାଇ-ରିଜୋଲ୍ୟୁସନ୍ ମାସ ସ୍ପେକ୍ଟ୍ରୋମେଟ୍ରି ଯନ୍ତ୍ରର ଏକ କ୍ରମ ମେଟାପ୍ରୋଟୋମ୍ରେ ବହୁଳ ଭାବରେ ବ୍ୟବହୃତ ହୋଇଥିଲା |

ମୂଳ ପାଠ୍ୟର ସାରଣୀ 1 ରେ ନମୁନା ପ୍ରକାର, ବିଶ୍ଳେଷଣ ରଣନୀତି, ମାସ ସ୍ପେକ୍ଟ୍ରୋମେଟ୍ରି ଉପକରଣ, ଅଧିଗ୍ରହଣ ପଦ୍ଧତି, ବିଶ୍ଳେଷଣ ସଫ୍ଟୱେୟାର ଏବଂ ପରିଚୟର ସଂଖ୍ୟା ଦୃଷ୍ଟିରୁ 2011 ରୁ ବର୍ତ୍ତମାନ ପର୍ଯ୍ୟନ୍ତ ମେଟାପ୍ରୋଟେମିକ୍ସ ଉପରେ କିଛି ପ୍ରତିନିଧୀ ଅଧ୍ୟୟନ ଦର୍ଶାଯାଇଛି |

03 ମାସ ସ୍ପେକ୍ଟ୍ରୋମେଟ୍ରି ଡାଟା ବିଶ୍ଳେଷଣ |

3.1 DDA ତଥ୍ୟ ବିଶ୍ଳେଷଣ କ strategy ଶଳ |

3.1.1 ଡାଟାବେସ୍ ସନ୍ଧାନ |

3.1.2ଡି ନୋଭୋ |କ୍ରମ କ strategy ଶଳ |

3.2 DIA ତଥ୍ୟ ବିଶ୍ଳେଷଣ କ strategy ଶଳ |

04 ପ୍ରଜାତିର ବର୍ଗୀକରଣ ଏବଂ କାର୍ଯ୍ୟକାରିତା ଟିପ୍ପଣୀ |

ବିଭିନ୍ନ ଟ୍ୟାକ୍ସୋନୋମିକ୍ ସ୍ତରରେ ମାଇକ୍ରୋବାୟଲ୍ ସମ୍ପ୍ରଦାୟର ଗଠନ ହେଉଛି ମାଇକ୍ରୋବାୟୋମ୍ ଅନୁସନ୍ଧାନର ଏକ ପ୍ରମୁଖ ଗବେଷଣା କ୍ଷେତ୍ର | ସାମ୍ପ୍ରତିକ ବର୍ଷଗୁଡିକରେ, ମାଇକ୍ରୋବାୟଲ୍ ସମ୍ପ୍ରଦାୟର ଗଠନ ପାଇବା ପାଇଁ ପ୍ରୋଟିନ୍ ସ୍ତର, ପେପ୍ଟାଇଡ୍ ସ୍ତର ଏବଂ ଜିନ୍ ସ୍ତରରେ ପ୍ରଜାତିଗୁଡିକୁ ଟିପ୍ପଣୀ କରିବା ପାଇଁ ଏକ କ୍ରମିକ ଟିପ୍ପଣୀ ଉପକରଣଗୁଡିକ ବିକଶିତ କରାଯାଇଛି |

କାର୍ଯ୍ୟକ୍ଷମ ଟିପ୍ପଣୀର ମୂଳ ହେଉଛି ଲକ୍ଷ୍ୟ ପ୍ରୋଟିନ୍ କ୍ରମକୁ କାର୍ଯ୍ୟକ୍ଷମ ପ୍ରୋଟିନ୍ କ୍ରମ ଡାଟାବେସ୍ ସହିତ ତୁଳନା କରିବା | ଜିନ୍ ଫଙ୍କସନ୍ ଡାଟାବେସ୍ ଯେପରିକି GO, COG, KEGG, eggNOG ଇତ୍ୟାଦି ବ୍ୟବହାର କରି, ମାକ୍ରୋପ୍ରୋଟୋମ ଦ୍ୱାରା ଚିହ୍ନିତ ପ୍ରୋଟିନ୍ ଉପରେ ବିଭିନ୍ନ କାର୍ଯ୍ୟକ୍ଷମ ଟିପ୍ପଣୀ ବିଶ୍ଳେଷଣ କରାଯାଇପାରେ | ଟିପ୍ପଣୀ ସାଧନଗୁଡ଼ିକରେ Blast2GO, DAVID, KOBAS, ଇତ୍ୟାଦି ଅନ୍ତର୍ଭୁକ୍ତ |

05 ସାରାଂଶ ଏବଂ ଆଉଟଲୁକ୍ |

ମାନବ ସ୍ୱାସ୍ଥ୍ୟ ଏବଂ ରୋଗରେ ଅଣୁଜୀବ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଭୂମିକା ଗ୍ରହଣ କରିଥାଏ | ସାମ୍ପ୍ରତିକ ବର୍ଷଗୁଡିକରେ, ମାଇକ୍ରୋବାୟଲ୍ ସମ୍ପ୍ରଦାୟର କାର୍ଯ୍ୟ ଅଧ୍ୟୟନ ପାଇଁ ମେଟାପ୍ରୋଟେଓମିକ୍ସ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ବ technical ଷୟିକ ମାଧ୍ୟମ ପାଲଟିଛି | ମେଟାପ୍ରୋଟେମିକ୍ସର ଆନାଲିଟିକାଲ୍ ପ୍ରକ୍ରିୟା ଏକକ ପ୍ରଜାତିର ପ୍ରୋଟୋମିକ୍ସ ସହିତ ସମାନ, କିନ୍ତୁ ମେଟାପ୍ରୋଟେମିକ୍ସର ଅନୁସନ୍ଧାନ ବସ୍ତୁର ଜଟିଳତା ହେତୁ, ନମୁନା ପ୍ରସ୍ତୁତି ଠାରୁ ଆରମ୍ଭ କରି ତଥ୍ୟ ବିଶ୍ଳେଷଣ ପର୍ଯ୍ୟନ୍ତ ପ୍ରତ୍ୟେକ ବିଶ୍ଳେଷଣ ପଦକ୍ଷେପରେ ନିର୍ଦ୍ଦିଷ୍ଟ ଅନୁସନ୍ଧାନ କ ies ଶଳ ଗ୍ରହଣ କରାଯିବା ଆବଶ୍ୟକ | ବର୍ତ୍ତମାନ, ପ୍ରାକୃତିକ ପଦ୍ଧତିର ଉନ୍ନତି, ମାସ ସ୍ପେକ୍ଟ୍ରୋମେଟ୍ରି ଟେକ୍ନୋଲୋଜିର କ୍ରମାଗତ ନବସୃଜନ ଏବଂ ବାୟୋ ଇନଫର୍ମାଟିକ୍ସର ଦ୍ରୁତ ବିକାଶ, ମେଟାପ୍ରୋଟେମିକ୍ସ ଚିହ୍ନଟ ଗଭୀରତା ଏବଂ ପ୍ରୟୋଗ ପରିସରରେ ବହୁତ ଅଗ୍ରଗତି କରିଛି |

ମାକ୍ରୋପ୍ରୋଟେମ୍ ନମୁନାଗୁଡିକର ପୂର୍ବ ଚିକିତ୍ସା ପ୍ରକ୍ରିୟାରେ, ନମୁନାର ପ୍ରକୃତି ପ୍ରଥମେ ବିଚାର କରାଯିବା ଆବଶ୍ୟକ | ପରିବେଶ କୋଷ ଏବଂ ପ୍ରୋଟିନ୍ ଠାରୁ ମାଇକ୍ରୋ ଅର୍ଗାନ୍ସକୁ କିପରି ପୃଥକ କରାଯାଏ ତାହା ହେଉଛି ମାକ୍ରୋପ୍ରୋଟେମ୍ ସମ୍ମୁଖୀନ ହେଉଥିବା ଏକ ପ୍ରମୁଖ ଆହ୍, ାନ, ଏବଂ ପୃଥକତା ଦକ୍ଷତା ଏବଂ ମାଇକ୍ରୋବାୟଲ୍ କ୍ଷତି ମଧ୍ୟରେ ସନ୍ତୁଳନ ସମାଧାନ ହେବା ଏକ ଜରୁରୀ ସମସ୍ୟା | ଦ୍ ly ିତୀୟତ micro, ମାଇକ୍ରୋଅର୍ଗାନ୍ସଗୁଡିକର ପ୍ରୋଟିନ୍ ନିଷ୍କାସନ ବିଭିନ୍ନ ବ୍ୟାକ୍ଟେରିଆର ଗଠନମୂଳକ ହେଟେରୋଜେନିଟି ଦ୍ caused ାରା ସୃଷ୍ଟି ହୋଇଥିବା ପାର୍ଥକ୍ୟକୁ ଧ୍ୟାନରେ ରଖିବା ଆବଶ୍ୟକ | ଟ୍ରେସ ପରିସରରେ ଥିବା ମାକ୍ରୋପ୍ରୋଟେମ୍ ନମୁନାଗୁଡିକ ମଧ୍ୟ ନିର୍ଦ୍ଦିଷ୍ଟ ପୂର୍ବ-ଚିକିତ୍ସା ପଦ୍ଧତି ଆବଶ୍ୟକ କରେ |

ମାସ ସ୍ପେକ୍ଟ୍ରୋମେଟ୍ରି ଯନ୍ତ୍ରଗୁଡ଼ିକ ଅନୁଯାୟୀ, ମୁଖ୍ୟ ସ୍ରୋତ ମାସ ସ୍ପେକ୍ଟ୍ରୋମେଟ୍ରି ଉପକରଣଗୁଡ଼ିକ ଅର୍ବିଟ୍ରାପ ମାସ ଆନାଲିଜର୍ ଉପରେ ଆଧାରିତ ମାସ ସ୍ପେକ୍ଟ୍ରୋମିଟରରୁ LTQ-Orbitrap ଏବଂ Q Exactive ପରି ମାସ ସ୍ପେକ୍ଟ୍ରୋମିଟରକୁ ଆୟନ ମୋବିଲିଟି ଉପରେ ଆଧାରିତ ଟାଇମ୍-ଫ୍ଲାଇଟ୍ ମାସ ଆନାଲିଜର୍ ଯେପରିକି ଟାଇମ୍ସଟୋଏଫ୍ ପ୍ରୋ ଭଳି ଏକ ପରିବର୍ତ୍ତନ ହୋଇଛି | । ଆୟନ ମୋବିଲିଟି ଡାଇମେନ୍ସନ୍ ସୂଚନା ସହିତ timsTOF କ୍ରମରେ ଉଚ୍ଚ ଚିହ୍ନଟ ସଠିକତା, ନିମ୍ନ ଚିହ୍ନଟ ସୀମା ଏବଂ ଭଲ ପୁନରାବୃତ୍ତି ଅଛି | ସେମାନେ ଧୀରେ ଧୀରେ ବିଭିନ୍ନ ଗବେଷଣା କ୍ଷେତ୍ରରେ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଯନ୍ତ୍ରରେ ପରିଣତ ହୋଇଛନ୍ତି ଯାହାକି ଏକ ସ୍ପେକ୍ଟ୍ରୋମେଟ୍ରି ଚିହ୍ନଟ ଆବଶ୍ୟକ କରେ ଯେପରିକି ଗୋଟିଏ ପ୍ରଜାତିର ପ୍ରୋଟିମ୍, ମେଟାପ୍ରୋଟେମ୍ ଏବଂ ମେଟାବୋଲୋମ୍ | ସୂଚନାଯୋଗ୍ୟ ଯେ ଦୀର୍ଘ ସମୟ ଧରି, ସ୍ପେକ୍ଟ୍ରୋମେଟ୍ରି ଯନ୍ତ୍ରର ଗତିଶୀଳ ପରିସର ମେଟାପ୍ରୋଟେମ୍ ଅନୁସନ୍ଧାନର ପ୍ରୋଟିନ୍ କଭରେଜ୍ ଗଭୀରତାକୁ ସୀମିତ କରିଦେଇଛି | ଭବିଷ୍ୟତରେ, ଏକ ବୃହତ ଗତିଶୀଳ ପରିସର ସହିତ ମାସ ସ୍ପେକ୍ଟ୍ରୋମେଟ୍ରି ଯନ୍ତ୍ରଗୁଡ଼ିକ ମେଟାପ୍ରୋଟୋମରେ ପ୍ରୋଟିନ୍ ପରିଚୟର ସମ୍ବେଦନଶୀଳତା ଏବଂ ସଠିକତାକୁ ଉନ୍ନତ କରିପାରିବ |

ମାସ ସ୍ପେକ୍ଟ୍ରୋମେଟ୍ରି ଡାଟା ଅଧିଗ୍ରହଣ ପାଇଁ, ଯଦିଓ ଗୋଟିଏ ପ୍ରଜାତିର ପ୍ରୋଟିମ୍ରେ DIA ଡାଟା ଅଧିଗ୍ରହଣ ମୋଡ୍ ବହୁଳ ଭାବରେ ଗ୍ରହଣ କରାଯାଇଛି, ଅଧିକାଂଶ ସାମ୍ପ୍ରତିକ ମାକ୍ରୋପ୍ରୋଟେମ୍ ବିଶ୍ଳେଷଣ ତଥାପି DDA ଡାଟା ଅଧିଗ୍ରହଣ ମୋଡ୍ ବ୍ୟବହାର କରେ | DIA ଡାଟା ଅଧିଗ୍ରହଣ ମୋଡ୍ ନମୁନାର ଖଣ୍ଡ ଖଣ୍ଡ ଆୟନ ସୂଚନାକୁ ସମ୍ପୂର୍ଣ୍ଣ ରୂପେ ହାସଲ କରିପାରିବ ଏବଂ DDA ଡାଟା ଅଧିଗ୍ରହଣ ମୋଡ୍ ସହିତ ତୁଳନା କଲେ ଏହାର ମାକ୍ରୋପ୍ରୋଟେମ୍ ନମୁନାର ପେପ୍ଟାଇଡ୍ ସୂଚନାକୁ ସମ୍ପୂର୍ଣ୍ଣରୂପେ ପ୍ରାପ୍ତ କରିବାର ସାମର୍ଥ୍ୟ ଅଛି | ତଥାପି, DIA ତଥ୍ୟର ଉଚ୍ଚ ଜଟିଳତା ହେତୁ, DIA ମାକ୍ରୋପ୍ରୋଟେମ୍ ତଥ୍ୟର ବିଶ୍ଳେଷଣ ଏପର୍ଯ୍ୟନ୍ତ ବହୁ ଅସୁବିଧାର ସମ୍ମୁଖୀନ ହେଉଛି | କୃତ୍ରିମ ବୁଦ୍ଧି ଏବଂ ଗଭୀର ଶିକ୍ଷାର ବିକାଶ DIA ତଥ୍ୟ ବିଶ୍ଳେଷଣର ସଠିକତା ଏବଂ ସମ୍ପୂର୍ଣ୍ଣତାକୁ ଉନ୍ନତ କରିବ ବୋଲି ଆଶା କରାଯାଏ |

ମେଟାପ୍ରୋଟେମିକ୍ସର ତଥ୍ୟ ବିଶ୍ଳେଷଣରେ, ପ୍ରୋଟିନ୍ କ୍ରମ ଡାଟାବେସ୍ ନିର୍ମାଣ ହେଉଛି ଏକ ପ୍ରମୁଖ ପଦକ୍ଷେପ | ଲୋକପ୍ରିୟ ଅନୁସନ୍ଧାନ କ୍ଷେତ୍ର ପାଇଁ ଯେପରିକି ଅନ୍ତ est ସ୍ଥ ଫ୍ଲୋରା, ଅନ୍ତ int ସ୍ଥ ମାଇକ୍ରୋବାୟଲ୍ ଡାଟାବେସ୍ ଯେପରିକି IGC ଏବଂ HMP ବ୍ୟବହାର କରାଯାଇପାରିବ ଏବଂ ଭଲ ଚିହ୍ନଟ ଫଳାଫଳ ହାସଲ କରାଯାଇଛି | ଅନ୍ୟାନ୍ୟ ଅନ୍ୟାନ୍ୟ ମେଟାପ୍ରୋଟେମିକ୍ସ ବିଶ୍ଳେଷଣ ପାଇଁ, ମେଟେଜେନୋମିକ୍ ସିକ୍ୱେନ୍ସିଂ ତଥ୍ୟ ଉପରେ ଆଧାର କରି ଏକ ନମୁନା-ନିର୍ଦ୍ଦିଷ୍ଟ ପ୍ରୋଟିନ୍ କ୍ରମ ଡାଟାବେସ୍ ପ୍ରତିଷ୍ଠା କରିବା ପାଇଁ ସବୁଠାରୁ ପ୍ରଭାବଶାଳୀ ଡାଟାବେସ୍ ନିର୍ମାଣ କ strategy ଶଳ | ଉଚ୍ଚ ଜଟିଳତା ଏବଂ ବୃହତ ଗତିଶୀଳ ପରିସର ସହିତ ମାଇକ୍ରୋବାୟଲ୍ ସମ୍ପ୍ରଦାୟର ନମୁନା ପାଇଁ, ସ୍ୱଳ୍ପ ପ୍ରଚୁର ପ୍ରଜାତିର ଚିହ୍ନଟକୁ ବ to ାଇବା ପାଇଁ କ୍ରମର ଗଭୀରତା ବୃଦ୍ଧି କରିବା ଆବଶ୍ୟକ, ଯାହା ଦ୍ the ାରା ପ୍ରୋଟିନ୍ କ୍ରମ ଡାଟାବେସର କଭରେଜ୍ ଉନ୍ନତ ହୁଏ | ଯେତେବେଳେ ସିକ୍ୱେନ୍ସିଂ ଡାଟା ଅଭାବ ହୁଏ, ସର୍ବସାଧାରଣ ଡାଟାବେସ୍ ଅପ୍ଟିମାଇଜ୍ କରିବା ପାଇଁ ଏକ ପୁନରାବୃତ୍ତି ସନ୍ଧାନ ପଦ୍ଧତି ବ୍ୟବହାର କରାଯାଇପାରିବ | ତଥାପି, ପୁନରାବୃତ୍ତି ସନ୍ଧାନ FDR ଗୁଣବତ୍ତା ନିୟନ୍ତ୍ରଣକୁ ପ୍ରଭାବିତ କରିପାରେ, ତେଣୁ ସନ୍ଧାନ ଫଳାଫଳଗୁଡିକ ଯତ୍ନର ସହିତ ଯାଞ୍ଚ କରାଯିବା ଆବଶ୍ୟକ | ଏହା ସହିତ, ମେଟାପ୍ରୋଟେଓମିକ୍ସ ବିଶ୍ଳେଷଣରେ ପାରମ୍ପାରିକ FDR ଗୁଣବତ୍ତା ନିୟନ୍ତ୍ରଣ ମଡେଲଗୁଡିକର ପ୍ରୟୋଗତା ଏପର୍ଯ୍ୟନ୍ତ ଅନୁସନ୍ଧାନ ଯୋଗ୍ୟ | ସନ୍ଧାନ ରଣନୀତି ଅନୁଯାୟୀ, ହାଇବ୍ରିଡ୍ ସ୍ପେକ୍ଟ୍ରାଲ୍ ଲାଇବ୍ରେରୀ ରଣନୀତି DIA ମେଟାପ୍ରୋଟେମିକ୍ସର କଭରେଜ୍ ଗଭୀରତାକୁ ଉନ୍ନତ କରିପାରିବ | ସାମ୍ପ୍ରତିକ ବର୍ଷଗୁଡିକରେ, ଗଭୀର ଶିକ୍ଷା ଉପରେ ଆଧାରିତ ପୂର୍ବାନୁମାନ କରାଯାଇଥିବା ସ୍ପେକ୍ଟ୍ରାଲ୍ ଲାଇବ୍ରେରୀ DIA ପ୍ରୋଟୋମିକ୍ସରେ ଉନ୍ନତ ପ୍ରଦର୍ଶନ ପ୍ରଦର୍ଶନ କରିଛି | ଅବଶ୍ୟ, ମେଟାପ୍ରୋଟେମ୍ ଡାଟାବେସରେ ପ୍ରାୟତ millions ଲକ୍ଷ ଲକ୍ଷ ପ୍ରୋଟିନ୍ ଏଣ୍ଟ୍ରି ରହିଥାଏ, ଯାହାକି ବହୁ ପରିମାଣର ପୂର୍ବାନୁମାନିତ ସ୍ପେକ୍ଟ୍ରାଲ୍ ଲାଇବ୍ରେରୀରେ ପରିଣତ ହୁଏ, ବହୁ ଗଣନା ଉତ୍ସ ଖର୍ଚ୍ଚ କରେ ଏବଂ ଏକ ବୃହତ ସନ୍ଧାନ ସ୍ଥାନ ସୃଷ୍ଟି କରେ | ଏଥିସହ, ମେଟାପ୍ରୋଟେମ୍ରେ ପ୍ରୋଟିନ୍ କ୍ରମ ମଧ୍ୟରେ ସମାନତା ବହୁତ ଭିନ୍ନ ହୋଇଥାଏ, ଯାହା ସ୍ପେକ୍ଟ୍ରାଲ୍ ଲାଇବ୍ରେରୀ ଭବିଷ୍ୟବାଣୀ ମଡେଲର ସଠିକତା ନିଶ୍ଚିତ କରିବା କଷ୍ଟସାଧ୍ୟ କରିଥାଏ, ତେଣୁ ପୂର୍ବାନୁମାନ କରାଯାଇଥିବା ସ୍ପେକ୍ଟ୍ରାଲ୍ ଲାଇବ୍ରେରୀଗୁଡ଼ିକ ମେଟାପ୍ରୋଟେମିକ୍ସରେ ବହୁଳ ଭାବରେ ବ୍ୟବହୃତ ହୋଇନାହିଁ | ଏଥିସହ, ନୂତନ ପ୍ରୋଟିନ୍ ଇନ୍ଫେରେନ୍ସ ଏବଂ ବର୍ଗୀକରଣ ଟିପ୍ପଣୀ କ strateg ଶଳଗୁଡିକ ଅତ୍ୟଧିକ କ୍ରମ-ସମାନ ପ୍ରୋଟିନଗୁଡିକର ମେଟାପ୍ରୋଟେମିକ୍ସ ବିଶ୍ଳେଷଣରେ ପ୍ରୟୋଗ କରିବା ପାଇଁ ବିକାଶ କରାଯିବା ଆବଶ୍ୟକ |

ସଂକ୍ଷେପରେ, ଏକ ଉଦୀୟମାନ ମାଇକ୍ରୋବିଓମ୍ ଅନୁସନ୍ଧାନ ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ଭାବରେ, ମେଟାପ୍ରୋଟେମିକ୍ସ ଟେକ୍ନୋଲୋଜି ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଅନୁସନ୍ଧାନ ଫଳାଫଳ ହାସଲ କରିଛି ଏବଂ ଏହାର ବିକାଶର ମଧ୍ୟ ସମ୍ଭାବନା ଅଛି |