referensproteomen

Referensproteomen (eng. reference proteome) är en kuraterad samling av proteinkedjor som representerar proteinkodande innehåll hos en art eller stam och används som standarddatabas i proteomikens analyser. Det ger kanoniska proteinsekvenser och, där det är lämpligt, representativa isoformer, avsedd att täcka de proteiner som förväntas observeras i experimenten. Referensproteomen är versionerad och underhålls av bioinformatiska samfund eller databashandlare för att spegla uppdateringar i genomanotation och proteinkunskap.

I praktiken används referensproteomen som måldatabas för masspektrometri-baserad peptididentifiering. MS/MS-spektra jämförs med teoretiska peptider som härrör från sekvenserna i referensproteomen, och decoy-sekvenser läggs till för att möjliggöra beräkning av felupptäckt frekvens (FDR). Databasen distribueras vanligtvis i FASTA-format med metadata som organism, proteomkälla och version.

Skapandet innefattar att kartlägga genmodeller till proteinnsekvenser, välja ut kanoniska isoformer, ta bort eller gruppera redundanta poster och integrera annoteringar från resurser som UniProt, NCBI RefSeq eller Ensembl. Vissa arbetsflöden gör skillnad mellan protein-nivå och peptidnivåidentifiering och kan använda alternativa referensproteomen för isoform-resolved analyser.

Användare bör välja ett proteom som matchar organismen och stammen som studeras, och överväga om en artsspecifik referensproteom, ett pan-proteom eller ett anpassat proteom behövs. Även om referensproteomen standardiserar analyser, kan de inte fånga oannoterade proteiner eller nya varianter, och uppdateringar kan påverka jämförbarheten mellan studier.

Referensproteomen kopplas ofta till UniProt Reference Proteomes och NCBI Reference Proteomes. Begreppet betonar standardiserade, kuraterade proteinkedje-set som används för konsekvent identifiering och rapportering i proteomik.