Vitek vt 1229 vt: Vitek VT-1229 – купить утюг, сравнение цен интернет-магазинов: фото, характеристики, описание

Товары со склада, приобретенные в течение последних 90 дней, можно вернуть на прилавок без выдачи номера RMA. Товары должны быть возвращены с копией оригинального счета-фактуры / заказа на продажу Falcon Tech для получения кредита. При возврате в течение 30 дней с момента покупки взимается комиссия за возврат. Все товары должны быть в оригинальной упаковке в состоянии перепродажи.

Товары, отсутствующие на складе до 75 долларов США, возврату не подлежат.Возврат товаров, отсутствующих на складе, должен быть инициирован в течение 20 дней с момента получения продуктов в Falcon Technologies, Inc. Товары, отсутствующие на складе, подлежат оплате за пополнение запасов. Специальные заказы и индивидуальные заказы возврату не подлежат.

Возврат дефектных изделий допускается, если изделия не функционируют в соответствии со спецификациями, установленными производителем. Перед выдачей номера RMA требуется объяснение дефекта. Любой дефектный элемент, срок действия которого превышает 30 дней с даты выставления счета, потребует от клиента непосредственного взаимодействия с производителем.

Как запросить RMA:

• Через веб-сайт — щелкните ссылку «Форма запроса RMA» ниже. Ваш запрос будет обработан, и вы получите подтверждение в течение 24-48 часов.
• Через торгового представителя. Просто позвоните или напишите своему торговому представителю по электронной почте и сообщите, какие товары вам необходимо вернуть. Укажите номер вашего заказа или счета-фактуры и причину возврата.
• Форма запроса RMA

Доставка возвращаемых товаров

Копия формы RMA вместе с копией оригинального счета-фактуры / заказа на продажу должна сопровождать возвращаемый товар.

ВОЗВРАТ МАТЕРИАЛОВ ПО адресу: 2631 METRO BLVD., MARYLAND HEIGHTS, MO 63043

Утвержденные поставщики | Совет по домашнему насилию и помощи жертвам

Способности в борьбе Лисежан освобожден 2201 N. Government Way, Suite K Coeur d ‘Alene, ID 83814 208-659-7600 featuresincoping @ gmail.com	I	Активно	12 декабря 2017 г.	30 июня 2021 г.	Нет
Программа Benny Henson, LCSW 1810 E Schneidmiller Ave., Suite 141 Post Falls, ID 83854 208-625-7051 [email protected] * Доступны мужские и женские группы	I	Активный	11 мая 2018 г.	30 июня 2021 г.	№
Restored Paths Jennifer Romero, LCSW, ACADC 2205 Ironwood Place Coeur d’Alene, ID 83815 208-664-8347 jenn @ Restoredpaths.com	I	Активно	11 декабря 2017 г.	30 июня 2021 г.	Да. Допущен на временную службу из-за COVID-19.
Solutions & More Sue Manley Larse, LSW, LPC 601 E. Seltice Way, SUite 7B Post Falls, ID 83854 208-777-7930 208-691-6812	I	Активно	Ноябрь 5, 2018	30 июня 2021 г.	№
Serenity Treatment, LLC Loren Caudle 1229 Main Street, Suite 101 Lewiston, ID 83501 208-743-5906 serenitytreatmentllc @ gmail.com	II	Активно	5 декабря 2019 г.	5 декабря 2022 г.	Нет
Affinity Behavioral Health, LLC Мэтью Милликан 123 McClure Avenue Нампа, ID 83651 208-461-3720 matt@affinitybehavioralhealth. com	III	Активный	5 марта 2020 г.	5 марта 2023 г.	Нет
A New Path Counseling, Inc. Альфредо Эрнандес 709 Дирборн-стрит Колдуэлл, ID 83605 208-473-0202 alfredoh @ anewpath.сегодня	III	Активно	11 мая 2018 г.	30 июня 2021 г.	Да. *
A Restored Life Gina L. Osterloth 504 South 16th Street Payette, ID 83687 208-297-8889 208-485-9475 Факс [email protected]	III	Активно	11 июня 2019 г.	11 июня 2022 г.	Да. Допущен на временную службу из-за COVID-19.
Dame Alas Intervention Services Graciela Fonseca 315 Stampede Dr. Нампа, ID 83687 208-965-0711 [email protected]	III	Активно	1 ноября 2017 г.	30 июня 2021 г.	Да. Допущен на временную службу из-за COVID-19.
Emmett Family Services April Browne 2031 Quail Run Road Emmett, ID 83617 208-365-2525 [email protected]	III	Активно	5 ноября 2018 г.	30 июня 2021 г.	Нет
Центр обслуживания семьи Дора Мора Постон 704 Олбани-стрит Колдуэлл, ID 83605 208-454-5133 dmoraposton @ familyservicescaldwell.com	III	Действует	10 октября 2019 г.	10 октября 2022 г.	Нет
Good Relationships Counseling, LLC Joe Toms, LCPC 107 S. Kimball, Suite 230 Caldwell, ID 83605 208-209-7144 [email protected]	III	Active	8 октября 2020 г.	30 июня 2023 г.	Да. Допущен на временную службу из-за COVID-19.
Payette Family Services April Browne 501 N 16th St. , Suite 111 Payette, ID 83661 (208)642-6160 (208) 642-6171 Факс [email protected]	III	Активный	5 ноября 2018 г.	30 июня 2021 г.
Terry Reilly Health Services Программа предотвращения насилия в семье Габриэль Хофкинс 1504 3rd Street North Nampa, ID 83653 208-345-1170 Ext 0 [email protected]	III	Active	5 марта, 2018	30 июня 2021 г.	Да.Допущен на временную службу из-за COVID-19.
A New Path Counseling, Inc. Альфредо Эрнандес 8950 W. Emerald St., Suite 156 Boise, ID 83704 208-321-7465 [email protected]	IV	Активно	11 мая , 2018	30 июня 2021 г.	Да. *
Центр психического здоровья Тодд Розенбергер 2275 S. Eagle Road, Suite 190 Meridian, ID 83642 208-288-0649 клиника. [email protected]	IV	Активный	4 февраля 2019 г.	4 февраля 2022 г.	№
Good Relationships Counseling, LLC Joe Toms, LCPC 6901 Emerald St., Suite 205 Boise, ID 83704 208-209-7144 [email protected]	IV	Active	8 октября 2020 г.	30 июня 2023 г.	Да. Допущен на временную службу из-за COVID-19.
Консультации по вопросам хороших взаимоотношений, ООО Джо Томс, LCPC 106 E.Park Street McCall, ID 83638 208-209-7144 [email protected]	IV	Активный	18 октября 2020 г.	30 июня 2023 г.	Да. Допущен на временную службу из-за COVID-19.
Juliette Jennings, LLC Juliette Jennings 2825 S. Meridian Rd., Suite 150 Meridian, ID 83646 208-917-3463 [email protected]	IV	Активно	8 октября 2020 г.	30 июня 2023 г.	№
Terry Reilly Health Services Программа предотвращения насилия в семье Габриэль Хофкинс 300 South 23rd Street Boise, ID 83702 208-345-1170 Ext 0 ghofkins @ trhs.org	IV	Активно	5 марта 2018 г.	30 июня 2021 г.	Да. Допущен на временную службу из-за COVID-19.
Preferred Child & Family Services Jason Beard, MA, LMFT, LCPC 284 Martin Street Twin Falls, ID 83301 208-753-7186 [email protected]	V	Active	11 мая, 2018	30 июня 2021 г.	No
Лечебно-восстановительная клиника округа Твин-Фолс (TARC) Криста Витек, LCSW 630 Аддисон-авеню Вест, люкс 1000 Твин-Фолс, ID 83301 208-735-2126 Криста.vitek @ .co.twin-Falls.id.us	V	Активно	10 октября 2019 г.	10 октября 2022 г.	Да. *
D6 Treatment Ashley Bringhurst 1001 North 7th, Suite 260 Pocatello, ID 83201 208-242-9087 [email protected]	VI	Active	10 октября 2019 г.	10 октября 2022 г.	Да. Допущен на временную службу из-за COVID-19.
Консультационные услуги Tueller 4650 Hawthorne Rd.# 3B Pocatello, ID 83201 208-240-6570 [email protected]	VI	Активный	10 октября 2019 г.	10 октября 2022 г.	№
Поведенческое здоровье в высокогорных районах Дженни Декер 2420 E. 25-й круг Айдахо-Фолс, ID 83404 208-542-1026 [email protected]	VII	Активно	5 марта 2020 г.	5 марта , 2023	Да
Консультационные услуги Остермиллера Джаред Остермиллер 242 Э.7th Street, Suite 4 Rexburg, ID 83440 208-359-9683 jostermiller@qwestoffice. net	VII	Активный	10 октября 2019 г.	10 октября 2022 г.	№
Терапевтические вмешательства Клиники злоупотреблений PLLC Скотт Миллер, Массачусетс, LPC 142 West Main Street, Suite 105 Rigby, ID 83442 208-745-0170 [email protected]	VII	Активный	8 октября , 2020	30 июня 2023 г.	Да
Консультационные услуги Tueller 295 Север 3855 Восток Ригби, ID 83442 208-745-5205 tuellercounseling @ gmail.com	VII	Действует	10 октября 2019 г.	10 октября 2022 г.	Нет
Консультационные услуги Tueller 2275 W Broadway, Suite G Idaho Falls, ID 83402 208-524-7400 [email protected]	VII	Активно	10 октября 2019 г.	10 октября 2022 г.	Нет

Парные потенциалы в атомистическом компьютерном моделировании

1.

В. Витек, Д.Дж. Srolovitz, eds., Атомистическое моделирование материалов. За пределами парного потенциала (Plenum Press, Нью-Йорк, 1989).

Google Scholar

17.

J. Lindhard, K. Dan. Виденск. Сельск. Мат. Fys. Med. 28 (1954) стр. 28.

Google Scholar

23.

M.S. Дюсбери, в Дислокации в твердых телах , т. 8 , под редакцией F.R.N. Набарро, (Северная Голландия, Амстердам, 1989) стр. 67.

Google Scholar

Картина тиреоидита при рассеянном склерозе: перекрестное исследование в больнице третичного уровня в Египте | Египетский журнал внутренней медицины

РС является наиболее распространенным хроническим нейровоспалительным заболеванием среди молодых людей и несет потенциальный риск стойкой инвалидности [8].

В исследованиях сообщалось о совместном возникновении аутоиммунных заболеваний и рассеянного склероза, например, тиреоидита. По мере появления новых методов лечения повышается риск аутоиммунных заболеваний. Мы стремились в этом исследовании оценить распространенность дисфункции щитовидной железы при РС и изучить возможные причины тиреоидита при РС в связи с МДД.

Интересным результатом нашего исследования было то, что распространенность тиреоидита составила 40%, аутоиммунного — 34%, а инфекционного — 6% среди пациентов с RRMS в рецидиве.Текущее исследование показало, что симптомы мозжечка были значительно выше у пациентов с тиреоидитом по сравнению с пациентами без тиреоидита. Что касается воспалительных маркеров, количество лейкоцитов, нейтрофилов и hs-CRP были значительно выше в группе тиреоидита по сравнению с MS без тиреоидита. Как и в нашем исследовании, Barone et al. выявили, что 12,3% пациентов с РС имели заболевание щитовидной железы [9].

Вопреки нашим выводам, результаты Marrie et al. не наблюдали разницы между распространенностью дисфункции щитовидной железы и антител к щитовидной железе у пациентов с РС по сравнению с контрольной популяцией [10].

Для лечения рассеянного склероза используются многочисленные иммунодепрессанты. В целом, эти агенты безопасны, имеют благоприятные профили риска и пользы и могут значительно улучшить качество жизни пациентов с потенциально инвалидизирующим неврологическим заболеванием, но ятрогенных осложнений не наблюдалось. Согласно текущему исследованию, мы наблюдали значительно более высокую распространенность пациентов с РС с тиреоидитом, получавших интерферон-бета-1b. Однако была значительно более высокая распространенность пациентов с рассеянным склерозом без тиреоидита, получавших интерферон бета-1а.Мы дополнительно проверяем наши результаты с помощью теста логистической регрессии. Мы заметили, что FT3, FT4, TSH, анти-TPO и анти-TG в значительной степени связаны с интерфероном бета-1b.

Severa et al. сообщили, что IFN-β является ключевой молекулой при рассеянном склерозе, поскольку он поддерживает противовоспалительный статус иммунной системы и является одним из наиболее широко используемых методов лечения рассеянного склероза. Поскольку IFN-β модулирует иммуно-регуляторную систему, он может вызывать аутоиммунные нарушения. Терапия IFN-β связана с относительно высоким риском развития заболевания щитовидной железы, либо органной дисфункции, либо аутоиммунитета [6].

Щитовидная железа является удивительно устойчивым к инфекциям органом из-за его высокой васкуляризации, лимфатического дренажа, поглощения тканями йода или перекиси водорода и инкапсулированной структуры. Среди факторов, которые могут предрасполагать к инфекционному тиреоидиту, — иммунодефицитный статус [11]. В настоящем исследовании мы наблюдали, что 4% пациентов с РС страдали инфекционным тиреоидитом.

Представленные здесь результаты являются новаторскими; Поскольку в этом исследовании проводится оценка этиологии инфекционного тиреоидита по отношению к МДД, мы обнаружили, что инфекция ЦМВ чаще встречалась у пациентов, получавших интерферон бета-1b, а кандидозная инфекция была распространена у пациентов, получавших финголимод.

Jacobs et al. сообщили, что наиболее частыми возбудителями инфекционного тиреоидита являются виды стафилококков и стрептококков. Многие другие организмы, такие как Acinetobacter, Mycobacterium, Coccidioides, Pseudomonas, Eikenella, Clostridium, Nocardia, Pneumocystis carnie , Haemophilus и Candida, были изолированы, но в основном связаны с иммуносупрессией [12].

Ока и др. после трансплантации обнаружена инфекция ЦМВ, связанная с гипертиреозом из-за обратного дисбаланса популяций хелперных / супрессорных Т-клеток и дисрегуляции В-клеток [13]. Подобные результаты наблюдали Maawali et al. Что касается причины инфекционного тиреоидита, то причиной может быть ЦМВ [14].

Chun et al. предположили, что финголимод вызывает дозозависимое снижение количества периферических лимфоцитов до 20–30% от исходного значения, а также увеличивает риск инфекций [15].

Протеомика на основе вычислительной масс-спектрометрии

Образец цитирования: Келл Л., Витек О. (2011) Протеомика на основе вычислительной масс-спектрометрии.PLoS Comput Biol 7 (12): e1002277. https://doi.org/10.1371/journal.pcbi.1002277

Редактор: Фрэн Льюиттер, Институт Уайтхеда, Соединенные Штаты Америки

Опубликовано: 1 декабря 2011 г.

Авторские права: © 2011 Käll , Витек. Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Финансирование: Финансирование было предоставлено NSF CAREER, грант DBI-1054826 для OV http://www.nsf.gov/awardsearch/showAward.do?AwardNumber=1054826 и Шведского исследовательского совета. Финансирующие организации не играли никакой роли в дизайне исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Конкурирующие интересы: Авторы заявили, что никаких конкурирующих интересов не существует.

Это оригинал PLoS Вычислительная биология учебник.

Цели и задачи протеомики

Протеомика определяется как общесистемная характеристика всех белков в организме с точки зрения их последовательности, локализации, численности, посттрансляционных модификаций и биомолекулярных взаимодействий. Современные протеомные исследования становятся все более количественными и всесторонними [1]. Примеры включают относительную количественную оценку более 4000 белков в гаплоидных и диплоидных дрожжах, которая идентифицировала сигнальный путь феромона как обогащенный по дифференциальной плотности [2]; определение сайт-и временной динамики более 6000 сайтов фосфорилирования клеток HeLa, стимулированных эпидермальным фактором роста [3]; и характеристика 232 мультипротеиновых комплексов в Saccharomyces cerevisiae , которые предложили новые клеточные роли для 344 белков [4].Такие исследования сейчас успешно используются в функциональной биологии [5], [6], геномике [7], [8] и биомедицинских исследованиях [9].

Проблемы протеомных исследований проистекают из сложности протеома и его широкого динамического диапазона. Например, геном человека содержит около 20 000 генов, кодирующих белок. Их трансляция в сочетании со сплайсингом или протеолизом дает примерно 50 000–500 000 белков, и более 10 миллионов различных форм белков могут быть получены с помощью соматических перестроек ДНК и посттрансляционных модификаций [10]. Содержание видов белков в плазме человека превышает 10 порядков [11]. В отличие от олигонуклеотидов, белки не могут быть амплифицированы, и поэтому цели протеомики достигаются с помощью чувствительных и масштабируемых технологий идентификации и количественного определения белков [12]. Общий протеомный рабочий процесс, основанный на масс-спектрометрии, представлен на Рисунке 1.

Рисунок 1. Протеомный рабочий процесс на основе количественной масс-спектрометрии.

Рабочий процесс требует тесной интеграции этапов биологического и экспериментального (красный), а также вычислительного и статистического (желтый) этапов анализа.

https://doi.org/10.1371/journal.pcbi.1002277.g001

План эксперимента

Количественные протеомные исследования проводятся в контексте биологических вариаций [13], технических вариаций, связанных с обработкой образцов и получением спектров, а также неоднозначностью спектральной интерпретации. Статистический экспериментальный план [14], [15] учитывает эти источники вариаций. Первая цель экспериментального дизайна — избежать систематических ошибок [16], [17] (т. Е. Систематических ошибок в интерпретации) путем четкого определения представляющих интерес популяций, сопоставления индивидуумов по влияющим факторам, рандомизации отбора подходящих индивидуумов из генеральной совокупности и рандомизации распределения выборки по этапам обработки.Вторая цель — обеспечить эффективность (то есть минимальные случайные вариации и неопределенность для данной стоимости) путем выбора подходящего количества биологических и технических реплик и распределения реплик в экспериментальные ресурсы в сбалансированных блоках. Этапы статистического эксперимента приведены на рисунке 2.

Рисунок 2. Схема эксперимента.

Статистический экспериментальный план состоит из (а) определения представляющих интерес популяций, (б) случайного выбора биологических реплик из популяции и (необязательно) сопоставления смешивающих факторов, (в) случайного распределения биологических образцов для сбора спектров и (необязательно) группировки образцы в сбалансированных блоках для совместного профилирования и (d) (необязательно) получение технических повторных измерений на биологических образцах. Репликация, рандомизация и блокировка необходимы, чтобы избежать предвзятости и максимизировать эффективность эксперимента.

https://doi.org/10.1371/journal.pcbi.1002277.g002

Измерения на основе масс-спектрометрии

Глобальный рабочий процесс ЖХ-МС / МС без этикеток

Масс-спектрометрия в настоящее время является единственной технологией идентификации и количественного определения белков, которая отличается высокой точностью и высокой производительностью [18] — [20]. Хотя существует множество альтернатив, наиболее часто используется жидкостная хроматография с дробовиком в сочетании с тандемной масс-спектрометрией (ЖХ-МС / МС; обзор на Рисунке 3).Масс-спектрометрия лучше подходит для характеристики пептидов; следовательно, ЖХ-МС / МС начинается с ферментативного расщепления белков до пептидной смеси. Затем жидкостная хроматография (ЖХ) разделяет пептиды, и разделенные пептиды ионизируются и далее разделяются с помощью масс-спектрометра в соответствии с их отношением массы к заряду в масс-спектре (МС). Масс-спектры, полученные для одного и того же образца при разном времени элюирования, образуют цикл ЖХ-МС, и интенсивности пиков МС связаны с содержанием пептидов.Для идентификации масс-спектрометр изолирует биологический материал выбранных пиков МС, подвергает его воздействию энергии столкновения или другому типу фрагментации и разделяет полученные фрагменты во вторичном (МС / МС) масс-спектре. Расстояния между пиками MS / MS используются для вывода аминокислотной последовательности исходного пика MS. Поскольку обильные пики MS1 с большей вероятностью будут выбраны для фрагментации, относительная количественная оценка пептидов также может быть достигнута путем подсчета числа идентифицированных спектров MS / MS.

Рис. 3. Измерения на основе масс-спектрометрии.

(а) Обработка проб. Количественный анализ без метки требует минимальных манипуляций с образцом и позволяет получать спектры от каждого образца в отдельном прогоне масс-спектрометрии. Количественная оценка на основе меток различается по времени и типу этапов маркировки, но всегда одновременно профилирует два или более биологических образца в рамках цикла. (b) Глобальные рабочие процессы без меток достигают относительной количественной оценки путем сравнения подсчетов спектров МС / МС или интенсивностей пиков МС между прогонами.Рабочие процессы на основе глобальных меток сравнивают интенсивности репортерных фрагментов МС / МС (iTRAQ) или пиков МС (SILAC, синтетические пептиды). (c) Целевые рабочие процессы — альтернатива глобальной количественной оценке. Они наиболее чувствительны, но требуют априорных знаний об интересующих белках и технологических характеристиках их пептидов. Целевые эксперименты без меток сравнивают интенсивность переходов между запусками и эксперименты на основе меток в рамках цикла.

https: // doi.org / 10.1371 / journal.pcbi.1002277.g003

Эксперимент LC-MS / MS позволяет идентифицировать и количественно определять тысячи белков в сложных смесях. Это требует минимальных манипуляций с образцом и минимальной предварительной информации о его составе. Однако рабочий процесс имеет ряд недостатков. Ферментативное пищеварение увеличивает сложность смеси. Например, протеом, состоящий из 5000 белков, как ожидается, даст более 250 000 триптических пептидов, а незначительное расщепление и фрагментация избыточных белков могут скрыть основные события, связанные с низко распространенными белками, что усложняет интерпретацию [21].Динамический диапазон масс-спектрометров ограничен 3–4 порядками величины, а прямой анализ ЖХ-МС / МС смещен в сторону наиболее распространенных пептидов [22]. Технические вариации могут еще больше подорвать этапы идентификации и количественной оценки. Поэтому были предложены различные расширения этого базового рабочего процесса.

Преодоление вариаций между запусками: количественная оценка на основе этикеток

Рабочий процесс ЖХ-МС / МС улучшен за счет метаболической маркировки образцов, полученных в различных условиях (например,например, с помощью SILAC [23], где стабильные изотопы включены в среду роста организма) или химически (например, с помощью iTRAQ [24] или TMT [25], где реагирующие химические метки наносятся во время обработки образца). Образцы с разными метками объединяют и анализируют с помощью масс-спектрометра в рамках одного цикла ЖХ-МС. Пики образцов впоследствии распознаются по вызванным меткой сдвигам масс в спектрах MS (SILAC) или MS / MS (iTRAQ, TMT) и используются для относительной количественной оценки. Маркировка позволяет сравнивать обилие белка внутри серии и повышает точность количественной оценки.Планирование эксперимента может дополнительно повысить эффективность за счет оптимального распределения образцов по меткам, например, в обратных или эталонных дизайнах [26] или с использованием меченых синтетических пептидов в качестве эталонов. Однако маркировка требует дополнительных манипуляций с образцом и увеличивает сложность образца.

Преодоление ограничений динамического диапазона: целевые рабочие процессы

Сложность биологической смеси можно преодолеть фракционированием [27]; однако это сильно снижает пропускную способность.Ценной альтернативой является мониторинг выбранных реакций (SRM) (также называемый мониторингом множественных реакций, MRM), целевой рабочий процесс, при котором масс-спектрометр выделяет набор предварительно определенных пептидов и их фрагментов во время масс-анализа [28] — [31] . Полученные пары пептид-фрагмент (называемые переходами) используются для количественной оценки. Поскольку выделение является высокоспецифичным, SRM позволяет проводить наиболее чувствительную количественную оценку на основе масс-спектрометрии, доступную в настоящее время. Например, белки, экспрессируемые менее чем с 50 копиями на клетку, были количественно определены в общих лизатах дрожжей [32].Как показано на рисунке 3, SRM можно проводить в сочетании с рабочими процессами как без меток, так и на основе меток. Недостатком целевых рабочих процессов является то, что они количественно определяют только априори известных белков, требуют оптимизированных экспериментальных протоколов и ограничивают количество измерений за запуск несколькими сотнями. Дальнейшие технологические разработки [33] и оптимальные экспериментальные конструкции [34] помогут устранить эти недостатки.

Вычисления и статистика

Идентификация пептидов и белков

Вычислительный и статистический анализ полученных спектров показан на рисунке 4. В рабочем процессе ЖХ-МС / МС с дробовиком первым шагом является идентификация аминокислотных последовательностей, которые соответствуют спектрам МС / МС. Этому было уделено много внимания как с алгоритмической, так и с статистической точек зрения [35] –37. Преобладающим подходом является поиск в базе данных, который сравнивает каждый наблюдаемый спектр с теоретическими спектрами, предсказанными из базы данных геномных последовательностей (или с ранее идентифицированными экспериментальными спектрами в библиотеке [38]), и сообщает о наилучшем совпадении пептидного спектра ( ПСМ).Возникающие альтернативы — это отождествлений de novo, отождествлений и гибридный поиск [39], [40].

Рисунок 4. Вычисления и статистика.

Анализ полученных спектров включает (a, b) обработку сигнала, (c, d) анализ значимости и (e – h) последующий анализ. Методы в (a – d) должны отражать технологические свойства рабочих процессов. Методы в (e – h) не зависят от технологии и похожи на анализ микрочипов экспрессии генов, но на их использование влияет неопределенность в идентичности белков и неполный отбор протеома.

https://doi.org/10.1371/journal.pcbi.1002277.g004

Из-за стохастической природы спектров МС / МС [41], а также из-за недостатков функций подсчета и баз данных PSM с лучшими показателями не являются обязательно поправлю. Статистическая характеристика идентификаций необходима и теперь требуется большинству журналов [42]. Эта проблема часто формализуется как контроль частоты ложных открытий (FDR) в списке зарегистрированных PSM [43], [44]. Репрезентативными методами управления FDR являются двухгрупповые модели, которые рассматривают сообщаемые PSM как смесь правильных и неправильных идентификаций [45], и методы, использующие базы данных ложных целей [46].Как правило, достоверно идентифицируется только около 30% спектров МС / МС, и разработка улучшенных методов является активной областью исследований.

Задача идентификации распространяется на определение пептидов и белков в образце по идентифицированным спектрам МС / МС. Это сложно из-за картирования пептидов на белки «многие ко многим» и спектров МС / МС на пептиды. Вывод должен обеспечивать экономные результаты, сохраняя при этом чувствительность и характеризуя уверенность в идентификации.Проблема вывода белков полностью не решена. Например, существуют аргументы в пользу [47] и против [48] сообщения об идентификации белков одного пептида, а также в пользу [49] и против [50] исключительного использования протеаз-специфичных пептидов.

Типичный эксперимент генерирует сотни тысяч спектров МС / МС, а открытые и коммерческие конвейеры, такие как Trans-Proteomic Pipeline [51], упрощают обработку и интерпретацию спектров с помощью общей инфраструктуры.

Количественная оценка спектральных характеристик

Следующим шагом в количественных экспериментах ЖХ-МС / МС без меток является определение местоположения и количественная оценка пиков МС, аннотирование их идентичностью пептидов и последовательностей и установление соответствия пиков между сериями [52].Рабочие процессы на основе меток с количественной оценкой MS (например, SILAC) ищут пары пиков с известными сдвигами масс, которые соответствуют одному и тому же пептиду. Рабочие процессы с количественной оценкой MS / MS (например, iTRAQ) определяют местонахождение и количественную оценку репортерных фрагментов MS / MS. Выполнение всех этих задач может быть затруднено из-за нерегулярных, перекрывающихся и отсутствующих пиков, хроматографических различий между прогонами, а также неполных и неправильных идентификаций. В результате обычно количественно определяется только подмножество идентифицированных белков [53]. Разнообразные программные инструменты обработки сигналов рассмотрены в [54], и типичными из них являются OpenMS [55] для количественной оценки на основе меток и MaxQuant [56] для количественной оценки с помощью SILAC.

Целевые эксперименты SRM обходят необходимость идентификации и выравнивания пиков, а обработка сигналов сосредоточена на обнаружении пиков, количественной оценке и аннотации. Однако могут возникнуть трудности с перекрывающимися или подавленными сигналами или неправильно откалиброванными переходами, а вычислительные методы могут помочь отфильтровать переходы низкого качества [57], [58]. Такие конвейеры, как Skyline [59], [60] и ATAQS [61], упрощают эти задачи.

Часто обработка образцов вызывает различия в количественных сигналах между прогонами, и необходима глобальная нормализация между прогонами, чтобы отличить истинные биологические изменения от этих артефактов.Два общих подхода к глобальной нормализации — это выборка и контроль. Нормализация на основе выборки, например квантильная нормализация или нормализация на основе полного ионного тока, позволяет наилучшим образом использовать данные, но предполагает, что большинство характеристик не изменяется по количеству [62]. Нормализация на основе контроля предпочтительна в экспериментах с небольшим количеством измерений или множеством биологических изменений.

Обнаружение дифференциально обильных белков

Типичными статистическими целями количественной протеомики являются количественное определение белка , т.е.е., оценка концентрации белка в образце по относительной или абсолютной шкале, и сравнение классов , то есть определение белков, среднее содержание которых изменяется в зависимости от условий. Для этого часто необходимо суммировать количественную информацию по всем характеристикам, относящимся к белку. Одним из таких подходов является спектральный подсчет [63], который основан на понимании того, что в глобальном ЖХ-МС / МС пики от обильных белков чаще выбираются для фрагментации, и использует количество идентифицированных спектров МС / МС в качестве заместителя для избыток.Подход предполагает минимальную обработку сигнала; тем не менее, он требует специального статистического моделирования, ограничивается обнаружением больших изменений среди обильных белков и наиболее успешен со смесями низкой сложности, например, для определения белковых комплексов [64].

Альтернативные подходы основаны на суммировании сигналов от количественно определенных спектральных пиков. С другими технологиями, такими как микроматрицы экспрессии генов, аналогичное суммирование выполняется с помощью некоторой формы усреднения, напримерс надежным усреднением по нескольким массивам (RMA) [65]. К сожалению, усреднение не дает точных результатов в протеомике, основанной на масс-спектрометрии. Длина, заряд и другие химические свойства пептидов сильно влияют на качество сигналов, а усреднение скрывает эту разницу в содержании информации.

Более успешное обобщение требует вероятностного моделирования, которое представляет все особенности белка и характеризует их вариации. Было предложено множество таких моделей, и не существует единой общепринятой процедуры.Модели различаются использованием необработанных или логарифмически преобразованных значений интенсивности, сравнения групп с точки зрения соотношений или различий и использования универсальных [66] или специализированных [67] классов статистических моделей. Важными аспектами являются точное представление плана эксперимента и группирования пиков внутри цикла в рабочих процессах на основе меток, обработка недостающих данных (например, с использованием специализированных [68] или универсальных [69], [70] методов), включая уверенность в идентификации признаков [71], расширение объема выводов до основных популяций или ограничение его выбранными образцами [66], а также контроль FDR в списке дифференциально распространенных белков. В некоторых случаях, например, в образцах, обогащенных посттрансляционными модификациями, изменения пиковой интенсивности могут быть связаны как с дифференциальной численностью, так и с дифференциальными модификациями. Тогда сравнения на уровне характеристик более уместны; однако они должны быть скорректированы с учетом общих изменений в содержании белка [72].

Учитывая разнообразие экспериментальных планов и этапов анализа, все эти задачи редко можно выполнить полностью автоматизированным способом, поэтому настоятельно рекомендуются консультации со статистиками.

Анализ нисходящего потока

Протеомные данные с высокой пропускной способностью аналогичны микрочипам экспрессии генов, и многие последующие методы анализа также могут быть применены в протеомике [73]. В частности, визуализация данных выгодна для всех анализов [74]. Неконтролируемое обнаружение класса помогает находить функционально связанные белки или биологические образцы, однородные по количественным профилям белков. Прогноз класса с учителем , e.g., прогнозирование статуса болезни пациента на основе его или ее содержания белка [75] и его тщательная проверка [76] являются необходимыми шагами для открытия биомаркеров болезни.

Анализ обогащения проверяет, изменяются ли заранее заданные наборы белков, например, те, которые разделяют функцию, более систематически, чем ожидалось случайно. Это называется анализом пути , когда набор белков формирует путь. Анализ исследует гипотезы, которые имеют более непосредственное отношение к биологической функции, и может помочь обнаружить небольшие, но постоянные изменения численности в пределах набора.Существует множество методов анализа обогащения, которые систематически рассматриваются в [77], [78], а типичными примерами являются гипергеометрический (то есть точный критерий Фишера) и анализ обогащения генетического набора (GSEA) [79]. Особая проблема в протеомике — сопоставление идентификаторов белков с генно-ориентированными базами знаний. Инструменты для этой задачи рассмотрены в [80], и типичным из них является DAVID [81].

Часто задаваемый вопрос — это корреляция между экспрессией генов, кодирующих белок, и содержанием соответствующих белков [82] — [84].Во многих исследованиях сообщалось, что у бактерий и одноклеточных эукариот белки и мРНК демонстрируют умеренную корреляцию в устойчивом состоянии (корреляция Пирсона порядка 0,4), но улучшается до порядка 0,6–0,7 для белков, на которые непосредственно влияет соответствующее состояние или стресс [2]. Исторически сообщалось о еще более низкой корреляции для многоклеточных эукариот; однако технологические усовершенствования теперь также указывают на установившуюся корреляцию в человеческих выборках порядка 0.4 [85].

Умеренная корреляция между количеством транскриптов и белков указывает на важную роль посттрансляционной регуляции в активности клетки. Следовательно, наилучшее функциональное понимание может быть получено путем объединения измерений различных технологий и поиска более широких групп генов, белков и метаболитов, формирующих регуляторные отношения [86], [87]. Такие интегративные исследования появляются все чаще [88], [89]. Однако они остаются проблемными из-за сложности лежащих в основе процессов, неполной выборки протеома, неопределенности в идентичности белков и трудностей определения множественных протеомных, геномных и технологических идентификаторов на разных платформах.Для решения этих проблем необходимы новые специализированные методы и алгоритмы.

Outlook

Несмотря на проблемы, протеомика, основанная на масс-спектрометрии, продолжает приносить большие надежды для фундаментальной науки и клинических исследований [90]. Несколько исследований недавно продемонстрировали, что при соответствующем уходе и обучении теперь можно точно и воспроизводимо идентифицировать и количественно определять белки в лабораториях и на инструментальных платформах [91] — [93]. В протеомике дробовика большинство повторяемых идентификаций пептидов соответствовало сайтам фермент-специфического расщепления, интенсивным пикам MS и белкам, которые генерировали множество различных пептидов. Целенаправленная количественная оценка может воспроизводимо определять низкие концентрации белка мкг / мл в нефракционированной плазме.

На сегодняшний день только 65% всех предсказанных белков человека достоверно наблюдаются с помощью масс-спектрометрии [90]. Таким образом, будущие экспериментальные разработки будут сосредоточены на повышении чувствительности, воспроизводимости и полноты идентификации белков, а также чувствительности и точности количественной оценки. Все исследования последовательно подчеркивают ключевую роль вычислений [94].Дальнейшие вычислительные усилия будут включать разработку протеомных баз знаний, таких как neXtProt (http://www.nextprot.org/), репозиториев экспериментальных данных, а также разработку методов для оптимального экспериментального дизайна и интерпретации данных. Такие мероприятия, как Сателлитная конференция RECOMB по вычислительной протеомике [95], нацелены на устранение разрыва в общении между биологами, химиками и статистиками и позволяют проводить интегративные и совместные исследования.

Благодарности

Этот материал был впервые представлен в качестве учебного пособия на ISMB 2010 и 2011.Благодарим организаторов за возможность представить урок. Мы благодарим O’Reilly Science Art (http://www.oreillyscienceart.com/) за помощь в подготовке рисунков.

Ссылки

1. 1. Бек М., Клаассен М., Эберсолд Р. (2011) Комплексная протеомика. Curr Opin Biotechnol 22: 3–8.
2. 2. де Годой LMF, Olsen JV, Cox J, Nielsen ML, Hubner NC, et al. (2008) Комплексная количественная оценка протеома на основе масс-спектрометрии гаплоидных и диплоидных дрожжей.Природа 455: 1251
3. 3. Олсен Дж. В., Благоев Б., Гнад Ф, Мацек Б., Кумар С. и др. (2006) Глобальная, in vivo и сайт-специфическая динамика фосфорилирования в сигнальных сетях. Ячейка 127: 635–648.
4. 4. Гэвин А.С., Бёше М., Краузе Р., Гранди П., Марциох М. и др. (2002) Функциональная организация протеома дрожжей путем систематического анализа белковых комплексов. Природа 415: 141–147.
5. 5. Кокс Дж., Манн М. (2011) Количественная протеомика с высоким разрешением для системной биологии, управляемой данными.Анну Рев Биохим 80: 273–299.
6. 6. Gstaiger M, Aebersold R (2009) Применение протеомики на основе масс-спектрометрии в генетике, геномике и сетевой биологии. Нат Рев Генет 10: 617–627.
7. 7. Кастеллана Н., Бафна В. (2010) Протеогеномика для обнаружения полного кодирующего содержания геномов: вычислительная перспектива. J Proteomics 73: 2124–2135.
8. 8. Ансон С., Пурвин С., Адкинс Дж., Липтон М., Смит Р. (2008) Протеогеномика: потребности и роли, которые должны быть заполнены протеомикой в ​​аннотации генома.Краткая функция геномной протеомики 7: 50–62.
9. 9. Ханаш С., Тагучи А. (2010) Грандиозная задача по расшифровке протеома рака. Нат Рев Рак 10: 652–660.
10. 10. Улен М., Понтен Ф (2005) Протеомика на основе антител для профилирования тканей человека. Молекулярная протеомика 4: 384
11. 11. Андерсон Н.Л., Андерсон Н.Г. (2002) Протеом плазмы человека: история, характер и диагностические перспективы. Молекулярная протеомика 1: 845
12. 12.Ahrens CH, Brunner E, Qeli E, Basler K, Aebersold R (2010) Создание и навигация по картам протеома с использованием масс-спектрометрии. Nat Rev Mol Cell Biol 11: 789–801.
13. 13. Corzett TH, Fodor IK, Choi MW, Walsworth VL, Turteltaub KW, et al. (2010) Статистический анализ вариаций протеома плазмы человека. J Biomed Biotechno1 2010: 258494.
14. 14. Оберг А.Л., Витек О. (2009) Статистический дизайн количественных протеомных экспериментов на основе масс-спектрометрии.J Proteome Res 8: 2144–2156.
15. 15. Валледор Л., Йоррин Дж. (2010) Назад к основам: максимизация информации, полученной с помощью количественного анализа двумерного гель-электрофореза, с помощью соответствующего экспериментального дизайна и статистического анализа. J Proteomics 74: 1–18.
16. 16. Рансохофф Д.Ф. (2005) Предвзятость как угроза достоверности исследований молекулярных маркеров рака. Нат Рев Рак 5: 142.
17. 17. Ху Дж., Кумбес К. Р., Моррис Дж. С., Баггерли К. А. (2005) Важность экспериментального дизайна в экспериментах по протеомной масс-спектрометрии: некоторые предостерегающие сказки.Краткая функция геномной протеомики 3: 322–331.
18. 18. Маллик П., Кустер Б. (2010) Протеомика: прагматическая перспектива. Nat Biotechnol 28: 695–709.
19. 19. Walther TC, Mann M (2010) Протеомика на основе масс-спектрометрии в клеточной биологии. J Cell Biol 190: 491.
20. 20. Домон Б., Эберсолд Р. (2010) Варианты и соображения при выборе стратегии количественной протеомики. Nat Biotechnol 28: 710–721.
21. 21. Дункан М.В., Эберсолд Р., Каприоли Р.М. (2010) Плюсы и минусы пептидно-ориентированной протеомики.Nat Biotechnol 28: 659–664.
22. 22. Mann M, Michalski A, Cox J (2011) Более 100 000 детектируемых видов пептидов элюируются в ходе однократной протеомики, но большинство из них недоступно для зависимой от данных ЖХ-МС / МС. J Proteome Res 10: 1785–1793.
23. 23. Онг С.Е., Манн М. (2006) Практический рецепт мечения стабильных изотопов аминокислотами в культуре клеток (SILAC). Nat Biotechnol 1: 2650–2660.
24. 24. Росс П.Л., Хуанг Ю.Н., Марчезе Дж. Н., Уильямсон Б., Паркер К. и др.(2004) Мультиплексный количественный анализ белка в saccharomyces cerevisiae с использованием реагирующих с амином изобарических меченых реагентов. Протеомика клеток Mol 3: 1154–1169.
25. 25. Томпсон А., Шефер Дж., Кун К., Кинле С., Шварц Дж. И др. (2003) Тандемные массовые метки: новая стратегия количественной оценки для сравнительного анализа сложных белковых смесей с помощью МС / МС. Anal Chem 75: 1895–1904.
26. 26. Гейгер Т., Вишневски Дж. Р., Кокс Дж., Заниван С., Крюгер М. и др. (2011) Использование метки стабильных изотопов аминокислотами в культуре клеток в качестве дополнительного стандарта в количественной протеомике.Nat Protoc 6: 147–157.
27. 27. Rifai N, Gillette MA, Carr SA (2006) Открытие и проверка белковых биомаркеров: долгий и неопределенный путь к клинической применимости. Nat Biotechnol 24: 971–983.
28. 28. Йокум А.К., Чиннайян А.М. (2009) Текущие события в количественной целевой протеомике: Мониторинг множественных реакций — масс-спектрометрия. Краткая функция геномной протеомики 8: 145–157.
29. 29. Kitteringham NR, Jenkins RE, Lane CS, Elliott VL, Park BK (2009) Мониторинг множественных реакций для количественного анализа биомаркеров в протеомике и метаболомике.J Chromatogr B 877: 1229–1239.
30. 30. Пан С., Эберсолд Р., Чен Р., Раш Дж., Гудлетт Д. Р. и др. (2009) Целевое количественное определение белка на основе масс-спектрометрии: методы и приложения. J Proteome Res 8: 787–797.
31. 31. Lange V, Picotti P, Domon B, Aebersold R (2008) Выборочный мониторинг реакций для количественной протеомики: учебное пособие. Мол Sys Biol 4: 1–14.
32. 32. Picotti P, Bodenmiller B, Mueller LN, Domon B, Aebersold R (2009) Протеомный анализ полного динамического диапазона S.cerevisiae с помощью целевой протеомики. Ячейка 138: 795–806.
33. 33. Пикотти П., Риннер О., Столлмач Р., Даутель Ф., Фарра Т. и др. (2010) Высокопроизводительное создание избранных анализов для мониторинга реакций белков и протеомов. Nat Методы 7: 43–6.
34. 34. Бертч А., Юнг С., Церк А., Пфейфер Н., Нансен С. и др. (2010) Оптимальный дизайн экспериментов MRM de novo для быстрой разработки тестов в целевой протеомике. J. Proteome Res 9: 2696–2704.
35. 35. Granholm V, Käll L (2011) Оценка качества совпадений пептидного спектра в протеомике дробовика. Протеомика 11: 1086–1093.
36. 36. Несвижский А.И. (2010) Обзор вычислительных методов и процедур оценки частоты ошибок для идентификации пептидов и белков в протеомике дробовика. J Proteomics 73: 2092–2123.
37. 37. Несвижский А.И., Витек О., Эберсолд Р. (2007) Анализ и проверка протеомных данных, полученных с помощью тандемной масс-спектрометрии.Нат методы 4: 787–797.
38. 38. Lam H, Aebersold R (2011) Создание и поиск спектральных библиотек тандемных масс (MS / MS) для идентификации пептидов в протеомике. Методы 54: 424–431.
39. 39. Jeong K, Kim S, Bandeira N, Pevzner PA (2011) Спектральные словари с промежутками и их приложения для поиска в базе данных тандемных масс-спектров. Mol Cell Proteomics 10: M110.002220.
40. 40. Дасари С., Чемберс М., Слебос Р., Циммерман Л., Хэм А. и др.(2010) TagRecon: высокопроизводительная идентификация мутаций посредством маркировки последовательностей. J. Proteome Res 9: 1716–1726.
41. 41. Venable JD, Yates JR (2004) Влияние изменчивости тандемных масс-спектров ионных ловушек на идентификацию пептидов. Anal Chem 76: 928–2937.
42. 42. Карр С., Эберсолд Р., Болдуин М., Бурлингейм А., Клаузер К. и др. (2004) Необходимость в руководстве по публикации данных идентификации пептидов и белков. Mol Cell Proteomics 3: 531.
43. 43.Käll L, Storey J, MacCoss M, Noble W (2008) Присвоение значения пептидам, идентифицированным тандемной масс-спектрометрией с использованием баз данных-приманок. J Proteome Res 7: 29–34.
44. 44. H C, I NA (2008) Частота ложных открытий и связанные статистические концепции в протеомике, основанной на масс-спектрометрии. J Proteome Res 7: 47–50.
45. 45. Келлер А., Несвижский А.И., Колкер Э., Эберсолд Р. (2002) Эмпирическая статистическая модель для оценки точности идентификации пептидов с помощью MS / MS и поиска в базе данных.Anal Chem 74: 5383-5392.
46. 46. Мур Р., Янг М., Ли Т. (2002) Qscore: алгоритм оценки результатов поиска в базе данных SEQUEST. J Am Soc Mass Spectrom 13: 378–386.
47. 47. Гупта Н., Певзнер П.А. (2009) Уровень ложных открытий идентификации белков: удар против правила двух пептидов. J Proteome Res 8: 4173–4181.
48. 48. Рейтер Л., Клаассен М., Шримпф С., Йованович М., Шмидт А. и др. (2009) Частота ложных открытий идентификации белков для очень больших наборов протеомических данных, полученных с помощью тандемной масс-спектрометрии.Mol Cell Proteomics 8: 2405.
49. 49. Olsen JV, Ong SE, Mann M (2004) Трипсин расщепляет исключительно C-конец до остатков аргинина и лизина. Протеомика клеток Mol 3: 608–614.
50. 50. Гупта Н., Хиксон К.К., Калли Д.Е., Смит Р.Д., Певзнер П.А. (2010) Анализ специфичности протеазы и обнаружение протеолитических событий in vivo с использованием тандемной масс-спектрометрии. Протеомика 10: 2833–2844.
51. 51. Дойч Э. У., Мендоза Л., Штейнберг Д., Фарра Т., Лам Х и др.(2010) Экскурсия по Транс-протеомному трубопроводу. Протеомика 10: 1150–1159.
52. 52. America AHP, Cordewener JHG (2008) Сравнительный ЖХ-МС: пейзаж пиков и впадин. Протеомика 8: 731–749.
53. 53. Schulze WX, Usadel B (2010) Количественное определение в протеомике на основе масс-спектрометрии. Анну Рев Плант Биол 61: 491–516.
54. 54. Мюллер Л.Н., Брусняк М.Ю., Мани Д.Р., Эберсолд Р. (2008) Оценка программных решений для анализа данных количественной протеомики на основе масс-спектрометрии.J Proteome Res 7: 51–61.
55. 55. Штурм М., Бертч А., Грёпль С., Хильдебрандт А., Хусонг Р. и др. (2008) OpenMS — программный фреймворк с открытым исходным кодом для масс-спектрометрии. BMC Bioinformatics 9: 1–11.
56. 56. Cox J, Mann M (2008) MaxQuant обеспечивает высокую скорость идентификации пептидов, индивидуальную точность измерения масс в диапазоне p.p.b. и количественное определение белка в масштабе всего протеома. Nat Biotechnol 26: 1367–1372.
57. 57. Abbatiello S, Mani DR, Keshishian H, Carr S (2010) Автоматическое обнаружение неточных и неточных переходов в количественном определении пептидов с помощью масс-спектрометрии с мониторингом нескольких реакций.Clin Chem 56: 291.
58. 58. Рейтер Л., Риннер О., Пикотти П., Хюттенхайн Р., Бек М. и др. (2011) mProphet: автоматическая обработка данных и статистическая проверка для крупномасштабных экспериментов SRM. Нат Методы 8: 430
59. 59. Маклин Б., Томазела Д., Шульман Н., Чемберс М., Финни Г. и др. (2010) Skyline: редактор документов с открытым исходным кодом для создания и анализа целевых протеомических экспериментов. Биоинформатика 26: 966.
60. 60. Чам Мид Дж. А., Бьянко Л., Бессант С. (2010) Бесплатные вычислительные ресурсы для разработки выбранных переходов для мониторинга реакций.Протеомика 10: 1106–1126.
61. 61. Брусняк М.Ю., Квок С.Т., Кристиансен М., Кэмпбелл Д., Рейтер Л. и др. (2011) ATAQS: вычислительный программный инструмент для оптимизации переходов с высокой пропускной способностью и валидации для выбранной масс-спектрометрии с мониторингом реакции. BMC Bioinformatics 12: 78–93.
62. 62. Callister SJ, Barry RC, Adkins JN, Johnson ET, Qian WJ и др. (2006) Подходы к нормализации для устранения систематических ошибок, связанных с масс-спектрометрией и протеомикой без меток.J Proteome Res 5: 277–286.
63. 63. Lundgren DH, Hwang S, Wu L, Han DK (2010) Роль спектрального подсчета в количественной протеомике. Эксперт Rev Proteomics 7: 39–53.
64. 64. Choi H, Larsen B, Lin ZY, Breitkreutz A, Mellacheruvu D, et al. (2010) SAINT: вероятностная оценка данных масс-спектрометрии аффинной очистки. Нат Методы 8: 70.
65. 65. Иризарри Р.А., Хоббс Б., Коллин Ф., Бизер-Барклай Ю.Д., Антонеллис К.Дж. и др. (2003) Исследование, нормализация и обобщение данных об уровне зондов с массивом олигонуклеотидов высокой плотности.Биостатистика 4: 249–264.
66. 66. Clough T, Key M, Ott I, Ragg S, Schadow G и др. (2009) Количественная оценка белка в экспериментах LC-MS без метки. J Proteome Res 8: 5275–5284.
67. 67. Гриффин Н.М., Ю Дж., Лонг Ф., О П, Шор С. и др. (2010) Нормализованная количественная оценка сложных масс-спектрометрических данных для протеомного анализа без использования метки. Nat Biotechnol 28: 83–89.
68. 68. Карпиевич Ю., Стэнли Дж., Тавернер Т., Хуанг Дж., Адкинс Дж. Н. и др.(2009) Статистическая основа для количественного определения белка в восходящей протеомике МС. Биоинформатика 25: 2028–2034.
69. 69. Liew AW, Law NF, Yan H (2010) Вменение отсутствующих значений для данных экспрессии генов: вычислительные методы для восстановления недостающих данных из доступной информации. Краткая биография 12: 498–513.
70. 70. Aittokallio T (2010) Работа с пропущенными значениями в крупномасштабных исследованиях: вменение данных микрочипов и не только. Краткая биография 11: 253–264.
71. 71. Li YF, Arnold RJ, Tang H, Radivojac P (2010) Важность детектируемости пептидов для идентификации белков, количественной оценки и дизайна экспериментов в протеомике MS / MS. J. Proteome Res 9: 6288–6297.
72. 72. Ву Р., Дефур Н., Хаас В., Хаттлин Э.Л., Чжай Б. и др. (2011) Правильная интерпретация всеобъемлющей динамики фосфорилирования требует нормализации по изменениям экспрессии белка. Mol Cell Proteomics 10: M111.009654.
73. 73.Кумар С., Манн М. (2009) Биоинформатический анализ наборов протеомных данных на основе масс-спектрометрии. FEBS Letters 583: 1703–1721.
74. 74. Геленборг Н., О’Донохью С.И., Балига Н.С., Гусманн А., Хиббс М.А. и др. (2010) Визуализация данных omics для системной биологии. Методы Nat 7: S56.
75. 75. Кларк Р., Рессом Х.В., Ван А., Сюань Дж., Лю М.К. и др. (2008) Свойства многомерных пространств данных: значение для изучения данных экспрессии генов и белков.Nat Rev Cancer 8: 37–49.
76. 76. Boulesteix AL, Sauerbrei W (2011) Добавили прогностическую ценность высокопроизводительных молекулярных данных к клиническим данным и их проверке. Краткая биография 12: 215–229.
77. 77. Эммерт-Стрейб Ф., Глазко Г.В. (2011) Анализ путей экспрессии: расшифровка функциональных строительных блоков сложных заболеваний. PLoS Comp Biol 7: e1002053.
78. 78. Аккерманн М., Стриммер К. (2009) Общая модульная структура для анализа обогащения набора генов.BMC Bioinformatics 10: 47
79. 79. Субраманиан А., Тамайо П., Мутха В.К., Мукерджи С., Эберт Б.Л. и др. (2005) Анализ обогащения набора генов: основанный на знаниях подход для интерпретации полногеномных профилей экспрессии. Proc Natl Acad Sci U S A 102: 15545–15550.
80. 80. Хуанг Д., Шерман Б.Т., Лемпики Р. (2009) Инструменты обогащения биоинформатики: пути к всестороннему функциональному анализу больших списков генов. Nucleic Acids Res 37: 1–13.
81. 81.Хуанг Д.В., Шерман Б.Т., Лемпицки Р.А. (2009) Систематический и интегративный анализ больших списков генов с использованием ресурсов Дэвида биоинформатики. Протоколы Nat 4: 44–57.
82. 82. de Sousa Abreu R, Penalva LO, Marcotte EM, Vogel C (2009) Глобальные сигнатуры уровней экспрессии белка и мРНК. Mol BioSystems 5: 1512–1526.
83. 83. Майер Т., Гуэль М., Серрано Л. (2009) Корреляция мРНК и белка в сложных биологических образцах. FEBS Lett 583: 3966–3973.
84. 84. Nie L, Wu G, Culley DE, Scholten JCM, Zhang W (2007) Интегративный анализ транскриптомных и протеомных данных: проблемы, решения и приложения. Crit Rev Biotechnol 27: 63–75.
85. 85. Schwanhäusser B, Busse D, Li N, Dittmar G, Schuchhardt J, et al. (2011) Глобальная количественная оценка контроля экспрессии генов млекопитающих. Природа 473: 337–342.
86. 86. Joyce AR, Palsson BØ (2006) Модельный организм как система: интеграция наборов данных «омики».Nat Rev Mol Cell Biol 7: 198–210.
87. 87. Шаран Р., Улицкий И., Шамир Р. (2007) Сетевое предсказание функции белка. Мол сист биол 3: 88–101.
88. 88. Ниббе Р.К., Коютюрк М., Шанс М.Р. (2010) Интегративный -омический подход для выявления функциональных подсетей при колоректальном раке человека. PLoS Comp Biol 6: e1000639.
89. 89. Huang SS, Fraenkel E (2010) Интеграция протеомных, транскрипционных и интерактомных данных выявляет скрытые сигнальные компоненты.Научный сигнал 2: ra40.
90. 90. Нильссон Т., Манн М., Эберсолд Р., Йейтс Дж. Р. III, Байрох А. и др. (2010) Масс-спектрометрия в высокопроизводительной протеомике: готово к большому времени. Nat методы 7: 681–685.
91. 91. Табб Д.Л., Вега-Монтото Л., Рудник П., Варият А., Хэм А. и др. (2010) Повторяемость и воспроизводимость протеомной идентификации с помощью жидкостной хроматографии и тандемной масс-спектрометрии. J. Proteome Res 9: 761–776.
92. 92. Bell A, Deutsch E, Au C, Kearney R, Beavis R и др.(2009) Исследование тестовой выборки HUPO выявляет общие проблемы протеомики, основанной на масс-спектрометрии. Нат методы 6: 423–430.
93. 93. Аддона Т.А., Аббатьелло С.Е., Шиллинг Б., Коньки С.Дж., Мани Д.Р. и др. (2009) Многоцентровая оценка точности и воспроизводимости измерений белков в плазме на основе мониторинга множественных реакций. Nat Biotechnol 27: 633–864.
94. 94. Aebersold R (2009) Стресс-тест для протеомики, основанной на масс-спектрометрии. Nat Методы 6: 411–412.
95. 95. Бандейра Н., Несвижский А., Макинтош М. (2011) Продвижение протеомики следующего поколения через вычислительные исследования. J Proteome Res 10: 2895–2895.

публикаций | Yansheng Liu Lab

— Публикации в Йельском университете —

2021

54. Гао Э., Ли В., Ву К., Шао В., Ди Йи, Лю Ю., Профилирование протеома и фосфопротеома на основе данных независимо от сбора данных по шести линиям клеток меланомы выявляет детерминанты протеотипов, Моломия.2021 г. doi: 10.1039 / d0mo00188k

53. Саловска Б., Ли В., Ди Ю., Лю Ю., BoxCarmax: метод масс-спектрометрии с высокой селективностью, не зависящий от данных, для анализа белкового обмена и сложных образцов, Аналитическая химия https: // doi. org / 10.1021 / acs.analchem.0c04293

52. Чжоу X., Ли В., Лю Ю., Амон А., Распространение сигнала между компартментами в сети выхода из митоза, Elife 2021, 22 января; 10: e63645. DOI: 10.7554 / eLife.63645.

2020

51.Rosenberger G., Heusel M., Bludau I., Collins B., Martelli C. Williams E., Xue P., Liu Y., Aebersold R. Califano A. SECAT: количественная оценка динамики белкового комплекса в клеточных состояниях с помощью сетецентрического анализа. Анализ профилей SEC-SWATH-MS. Cell Systems 2020 Том 11, выпуск 6, 16 декабря 2020 г., страницы 589-607.e8

50. Suzuki Y., Kuzina E., An SJ., Tome F., Mohanty J., Li W., Lee S., Liu Y, Lax I., Schlessinger J. FGF23 содержит два различных высокоаффинных сайта связывания. обеспечение двухвалентного взаимодействия с α-Klotho.

Proc Natl Acad Sci U S A 2020 30 ноября; 202018554. DOI: 10.1073 / pnas.2018554117.

49. Wu C. *, Ba Q *, Lu D. Li W., Salovska B., Hou P., Mueller T., Rosenberger G., Gao E., Di Y., Zhou H. Fornasiero EF, Liu Y. Глобальный и сайт-специфический эффект фосфорилирования на белковый обмен. Developmental Cell 2020 24 ноября DOI: (IF = 10.092)

48. Ван С., Ли В., Ху Л., Ченг Дж., Ян Х., Лю Ю. NAguideR: выполнение и определение приоритетов вменения пропущенных значений для последовательного восходящего протеомного анализа.Исследование нуклеиновых кислот 2020 doi: 1093 / nar / gkaa498 (IF = 11,147)

47. Саловска Б., Чжу Х., Ганди Т., Франк М., Ли В., Розенбергер Г., Ву К., Жермен П.Л., Чжоу Х., Ходни З., Рейтер Л., Лю Ю. Изоформа Решенный корреляционный анализ между регуляцией количества мРНК и деградацией уровня белка. Молекулярная системная биология 2020, 16: e9170 https://doi.org/10.152/msb.20199170 (IF = 9,8)

46. Гао Х., Ли К., Лю Ю., Цзэн Р. Мульти-в-одном: множественные протеазы, одночасовая стратегия для быстрого и широкого обзора фосфопротеомных исследований.Аналитическая химия 2020 https://pubs.acs.org/doi/10.1021/acs.analchem.0c00906

45. Цай Т., Чой М., Банфай Б., Лю Ю., Маклин Б., Данкли Т., Витек О. Выбор характеристик с согласованными профилями улучшает относительное количественное определение белка в масс-спектрометрических экспериментах. Молекулярная и клеточная протеомика 31 марта 2020 г., mcp.RA119.001792; https://doi.org/10.1074/mcp.RA119.001792

44. Поулос Р., Хейнс П., Шах Р., Лукас Н., Ксавьер Д., Manda S., Anees A., Koh J., Mahboob S., Wittman M., Williams S., Sykes E., Hecker M, Dausmann M., Wouters M., Ashman K., Yang J., Wild P ., деФацио А. Баллейн Р., Талли Б., Эберсолд Р., Спид Т., Лю Й., Реддел Р., Робинсон П. и Чжун К. Стратегии, позволяющие использовать крупномасштабную протеомику для воспроизводимых исследований. Nature Communications, 11, Номер статьи: 3793 (2020)

43. Хаусманн А., Руссо Дж., Гроссманн Дж., Цюнд М., Шванк Дж., Эберсольд Р., Лю Й. #, Селлин М.Э. #, Хардт В.Д.Мыши, свободные от зародышей и связанные с микробиотой, продуцируют органоиды эпителия тонкого кишечника с эквивалентными и устойчивыми фенотипами экспрессии транскриптома / протеома. Cell Microbiol. 2020 18 февраля: e13191. DOI: 10,1111 / cmi.13191. (# соавтор-корреспондент)

42. Хойзель М., Франк М., Келер М., Амон С., Фроммельт Ф., Розенбергер Г., Блудау И., Аулах С., Линдер М., Лю Й., Коллинз Б. и др. Глобальный скрининг изменений состояния сборки митотического протеома с помощью SEC-SWATH-MS. Сотовые системы 2020/02/05

2019

41.Mehnert M *, Li W *, Wu C, Salovska B, Liu Y. Сочетание быстрого независимого сбора данных и удаления гена CRISPR для изучения потенциальных функций белка: случай HMGN1. Протеомика. 22 марта 2019 г .;: e1800438. DOI: 10.1002 / pmic.201800438. PubMed PMID: 300.

40. Ли В., Чи Х, Саловска Б., Ву С., Сан Л., Розенбергер Г., Лю Ю. Оценка взаимосвязи между шириной окна массы и планированием времени удерживания при покрытии белком для сбора данных, не зависящего от данных. J Am Soc масс-спектрометрия.2019 30 мая ;. DOI: 10.1007 / s13361-019-02243-1. [Epub перед печатью] PubMed PMID: 31147889.

39. Лю И #, Ю. Ми, Т. Мюллер, С. Крейбич, Э.Г. Уильямс, А. Дроген, К. Борел, М. Франк, PL. Germain, I. Bludau, M. Mehnert, M. Seifert, M. Emmenlauer, I. Sorg, F. Bezrukov, F. Bena, H. Zhou, C. Dehio, G. Testa, J. Saez-Rodriguez, S.E. Антонаракис, У. Хардт и Р. Эберсольд, Многоатомные измерения гетерогенности клеток HeLa в разных лабораториях, Nature Biotechnology (2019) (# соавтор-корреспондент) (IF = 35.7)

38. Ван С., Цай Й, Ченг Дж, Ли В., Лю И #, Ян Х #, motifeR: Интегрированное веб-программное обеспечение для идентификации и визуализации мотивов посттрансляционной модификации белков. Proteomics 19 (23), 1512019 (№ соавтора-корреспондента)

37. Гао Ц., Чжу Х., Дун Л., Ши В., Чен Р., Сон З, Хуан Ц., Ли Дж., Дун Х, Чжоу И, Лю Ц., Ма Л., Ван X, Чжоу Дж., Лю Y, Боджа Э. , Роблес А.И., Ма В, Ван П, Ли И, Дин Л., Вэнь Б., Чжан Б., Родригес Х, Гао Д., Чжоу Х, Фань Дж.Комплексная протеогеномная характеристика гепатоцеллюлярной карциномы, связанной с ВГВ. Мобильный (2019) 179 (2): 561-577

36. МакКул Э., Чен Д., Ли В., Лю Ю., Сан Л. Электрофорез капиллярной зоны — тандемная масс-спектрометрия с ультрафиолетовой фотодиссоциацией (213 нм) для крупномасштабной протеомики сверху вниз, Аналитические методы (2019), 11, 2855 -2861

35. Бушаль П., Шуберт О.Т., Фактор Дж., Чапкова Л., Имрихова Х., Зуфалова К., Паралова В., Хрстка Р., Лю Й., Эбхардт Х.А., Будинска Е., Ненутил Р., Эберсолд Р. Классификация рака молочной железы на основе протеотипов, полученных с помощью SWATH масс-спектрометрия.Отчеты Cell 2019 16 июля. PMID: 31315058

34. Шао В., Гуо Т., Туссент, Северная Каролина, Сюэ П., Вагнер Ю., Ли Л., Чармпи К., Чжу И., Ву Дж., Бульян М., Сан Р., Рутисхаузер Д., Германн Т., Фанкхаузер С.Д., Пойет С., Любичич Дж. , Rupp N, Rüschoff JH, Zhong Q, Beyer A, Ji J, Collins BC, Liu Y, Rätsch G, Wild PJ, Aebersold R. Сравнительный анализ мРНК и деградации белков в тканях простаты указывает на высокую стабильность белков. Nature Communications, 2019 7; 10 (1): 2524. DOI: 10.1038 / s41467-019-10513-5.PubMed PMID: 31175306.

2018

33. Б. Ян *, Х Ву *, П. Д. Шнир *, Лю И *, Дж. Лю, Н. Ван, В. Ф. ДеГрадо, Л. Ван (2018), химический сшивающий агент SuFEx с улучшенным бесконтактным действием для специфической и многоцелевой сшивающей массы спектрометрия, Труды Национальной Академии Наук 115 (44), 11162-11167

32. Forchelet D, Béguin S, Sajic T, Bararpour N, Pataky Z, Frias M, Grabherr S, Augsburger M,

Лю И, Чарнли М., Деглон Дж., Эберсолд Р., Томас А., Рено П. (2018), Разделение микрообразцов крови с использованием седиментации на микромасштабе, Научные отчеты 20; 8 (1): 14101.DOI: 10.1038 / s41598-018-32314-4.

31. Ebhardt H, Root A, Liu Y, Gauthier NP, Sander C, Aebersold R (2018), Системная фармакология с использованием масс-спектрометрии определяет узлы критического ответа при раке простаты, npj Системная биология и приложения 2018 2 июля

30. Sajic T *, Liu Y *, Arvaniti E, Surinova S, Sethi A, Huttenhain R, Williams EG, Schiess R, Blattmann P, Friedrich B, Omlin A, Gillessen S, Claassen M, Aebersold R (2018), Сходства и различия N-гликопротеины крови в пяти солидных карциномах на локализованной клинической стадии проанализированы с помощью SWATH-масс-спектрометрии, Cell Reports, 23 (9): 2819-2831.e5.

— Публикации до Йельского университета —

2017

29. Лю И., Борел К., Ли Л., Мюллер Т., Уильямс Э. Г., Жермен П. Л., Бульян М., Саджик Т., Боерсема П. Дж., Шао В., Файни М., Теста Г., Бейер А., Антонаракис С. Е. и Эберсолд Р. (2017 г. ), Систематический протеом и профилирование протеостаза в клетках фибробластов трисомии 21 человека, Nature Communications, 2017 Oct. doi: 10.1038 / s41467-017-01422-6.

28. Rosenberger G *, Liu Y *, Rost HL, Ludwig C, Buil A, Bensimon A, Soste M, Spector TD, Dermitzakis ET, Collins BC, Malmstrom L, Aebersold, R. (2017) Вывод и количественная оценка пептидоформ в больших выборках по SWATH-MS. Биотехнология природы doi: 10.1038 / nbt.3908.

27. Лю Ю. *, Гонсалес-Порта М. *, Сантос С., Бразма А., Мариони Дж. К., Эберсолд Р., Венкитараман А.Р., Викрамасингх В.О. (2017) Влияние альтернативного сплайсинга на протеом человека.Сотовые отчеты 20, 1229-1241.

26. Tan SLW, Chadha S, Liu Y, Gabasova E, Perera D, Ahmed K, Constantinou S, Renaudin X, Lee M, Aebersold R, Venkitaraman AR (2017) Класс экологических и эндогенных токсинов индуцирует гаплонедостаточность и геном BRCA2 Нестабильность. Cell 169, 1105-1118 e15.

25. Коллинз Б. *, Хантер Л.С. *, Лю Ю. *, Шиллинг Б., Розенбергер Г., Бадер С.Л., Чан Д.В., Гибсон Б.В., Гинграс А., Хелд Дж. М., Куроги М. Х., Хоу Г., Крисп К., Ларсен Б., Лин Л. , Лю С., Моллой М.П., ​​Мориц Р.Л., Охцуки С., Шлапбах Р., Селевсек Н., Томас С.Н., Ценг С., Чжан Х. и Эберсолд Р.(2017) Многопозиционная оценка количественных и качественных характеристик масс-спектрометрии SWATH. Природные коммуникации 8, 291.

24. Rosenberger G, Bludau I, Schmitt U, Heusel M, Hunter CL, Liu Y, MacCoss MJ, MacLean BX, Несвижский AI, Pedrioli PGA, Reiter L, Röst HL, Tate S, Ting YS, Collins BC, Aebersold R . (2017) Статистический контроль частоты ошибок по пептидам и белкам в крупномасштабных целевых анализах, не зависящих от данных. Природные методы 2017 21 августа. Doi: 10.1038 / nmeth.4398.

23. Zhang Z, Meszaros G, He WT, Xu Y, de Fatima Magliarelli H, Mailly L, Mihlan M, Liu Y, Puig Gámez M, Goginashvili A, Pasquier A, Bielska O, Neven B, Quartier P, Aebersold R , Баумерт Т.Ф., Георгель П., Хан Дж., Риччи. Р (2017). Протеинкиназа D в Golgi контролирует активацию воспаления NLRP3. Журнал экспериментальной медицины: JEM 2017 17 июля. Pii: jem.20162040. DOI: 10.1084 / jem.20162040.

22. Faktor J, Sucha R, Paralova V, Liu Y, Bouchal P.(2017) Сравнение подходов целевой протеомики для обнаружения и количественной оценки белков, полученных из раковых тканей человека. Протеомика 17 (5).

2016

21. Лю Ю. *, Бейер А. *, Эберсолд Р. (2016) О зависимости уровней клеточного белка от обилия мРНК. Ячейка 165: 535-550

20. Röst H, Liu Y, D’Agostino G, Zanella M, Navarro P, Rosenberger G, Collins B, Gillet L, Testa G, Malmstrom L, Aebersold R (2016) TRIC: стратегия автоматического выравнивания для количественной оценки воспроизводимого белка в целевой протеомике.Природные методы doi: 10.1038 / nmeth.3954.

19. Лю Й., Эберсолд Р. (2016) Взаимозависимость транскрипта и обилия белка: новые данные — новые сложности. Биология молекулярных систем 12: 856

18. Yu C, Gao J, Zhou Y, Chen X, Xiao R, Zheng J, Liu Y, Zhou H (2016) Глубокие фосфопротеомные измерения для точного определения индуцированных лекарством защитных механизмов в нейронных клетках. Границы физиологии 7, 635.

(№ соавтора-корреспондента)

17.Чжун К., Рюшофф Дж., Гуо Т., Габрани М., Шюффлер П., Рехштайнер М., Лю Ю., Фукс Т., Рупп Н., Фанкхаузер С., Бухманн Дж., Пернер С., Пойет С., Блаттнер М., Сольдини Д., Мох Х, Рубин М. , Noske A, Rüschoff J, Haffner M, Jochum W, Wild P (2016) Вычислительная количественная оценка и визуализация генетических изменений и неоднородности опухоли на основе изображений. Научные отчеты 6: 24146.

2015

16. Лю Y *, Buil A *, Collins BC, Gillet LC, Blum LC, Cheng LY, Vitek O, Mouritsen J, Lachance G, Spector TD, Dermitzakis ET, Aebersold R (2015) Количественная изменчивость 342 белков плазмы в человеческая популяция близнецов.Биология молекулярных систем 11: 786

15. Sajic T, Liu Y, Aebersold R (2015) Использование независимой от данных масс-спектрометрии с высоким разрешением в исследовании белковых биомаркеров: перспективы и клиническое применение. Протеомика Клинические приложения 9: 307-321

14. Thomas SN, Harlan R, Chen J, Aiyetan P, Liu Y, Sokoll LJ, Aebersold R, Chan DW, Zhang H (2015) Мультиплексные целевые масс-спектрометрические анализы для количественной оценки N-связанных гликозит-содержащих пептидов в сыворотке.Аналитическая химия 87: 10830-10838

13. Суринова С., Чой М., Тао С., Шуффлер П.Дж., Чанг С.Й., Клаф Т., Выслоузил К., Хойлоу М., Сровнал Дж., Лю И., Матондо М., Хаттенхайн Р., Вайссер Х., Бухманн Дж. М., Хайдух М., Бреннер Х. , Vitek O, Aebersold R (2015) Прогнозирование диагностики колоректального рака на основе циркулирующих белков плазмы. EMBO молекулярная медицина 7: 1166-1178

12. Cheng L, Liu Y, Chang C., Röst H, Aebersold R, Vitek O (2015) Статистическое исключение спектральных особенностей с большой вариацией между запусками улучшает количественные выводы об уровне белка в экспериментах с независимым от данных спектральным сбором.BMC Bioinformatics 16 (Приложение 2), A4.

2014

11. Лю И *, Чен Дж *, Сетхи А., Ли QK, Чен Л., Коллинз Б., Жилле Л.С., Волльшайд Б., Чжан Х., Эберсолд Р. (2014) Гликопротеомический анализ тканей рака простаты с помощью масс-спектрометрии SWATH обнаруживает N- амидаза ацилэтаноламиновой кислоты и протеинтирозинкиназа 7 как признаки агрессивности опухоли. Молекулярная и клеточная протеомика: MCP 13: 1753-1768

10.Розенбергер Дж., Ко СС, Гуо Т., Рост Х.Л., Коувонен П., Коллинз Б.К., Хойзель М., Лю Й., Карон Э., Вичалковски А., Файни М., Шуберт О. Т., Фариди П., Эбхардт Х.А., Матондо М., Лам Х, Бадер С.Л. , Campbell DS, Deutsch EW, Moritz RL et al (2014) Репозиторий анализов для количественного определения 10 000 белков человека с помощью SWATH-MS. Научные данные 1: 140031

2013

9. Лю Ю., Хаттенхайн Р., Суринова С., Жилле Л.С., Моуритсен Дж., Бруннер Р., Наварро П., Эберсолд Р. (2013) Количественные измерения N-связанных гликопротеинов в плазме человека с помощью SWATH-MS.Протеомика 13: 1247-1256

8. Лю Й., Хаттенхайн Р., Коллинз Б., Эберсолд Р. (2013) Масс-спектрометрические карты белков для открытия биомаркеров и клинических исследований. Экспертный обзор молекулярной диагностики 13: 811-825

7. Gillet L, Liu Y, Ebhardt A, Aebersold, R (2013) Получение белковых сигнатур с помощью SWATH-MS. Больница Healthcare Europe HHE epub: 181-183

До 2013 г.

6.Liu Y *, Luo XY *, Li QR, Li H, Li C, Ni H, Li RX, Wang R, Hu HC, Pan YJ, Chen HQ, Zeng R (2012) Дробовик и целевая протеомика показывают, что предоперационная сыворотка уровни LRG1, SAA и C4BP могут улучшить прогноз резецированного плоскоклеточного рака легкого. Журнал молекулярной клеточной биологии 4: 344-347

5. Liu Y *, Luo X *, Hu H, Wang R, Sun Y, Zeng R, Chen H (2012) Интегративная протеомика и профилирование тканевых микроматриц указывают на связь между сверхэкспрессированными белками сыворотки и немелкоклеточным раком легкого.PloS one 7: e51748

4. Li C *, Ruan HQ *, Liu Y *, Xu MJ, Dai J, Sheng QH, Tan YX, Yao ZZ, Wang HY, Wu JR, Zeng R (2012) Количественная протеомика выявляет повышенную экспрессию белков комплекс SET, связанный с гепатоцеллюлярной карциномой. Журнал протеомных исследований 11: 871-885

3. Luo X *, Liu Y *, Wang R, Hu H, Zeng R, Chen H (2011) Высококачественный секретом клеток A549 помог открыть C4b-связывающий белок в качестве нового биомаркера сыворотки для немелких клеточный рак легкого.Журнал протеомики 74: 528-538

2. Liu Y *, Li C *, Xing Z, Yuan X, Wu Y, Xu M, Tu K, Li Q, Wu C, Zhao M, Zeng R (2010) Протеомный анализ в диспластической печени WHV / c -myc мыши — сведения и индикаторы раннего гепатоканцерогенеза. Журнал FEBS 277: 4039-4053

1. Li Y, Chi H, Wang LH, Wang HP, Fu Y, Yuan ZF, Li SJ, Liu Y, Sun RX, Zeng R, He SM (2010) Ускорение поиска в базе данных на основе тандемной масс-спектрометрии по пептидам и спектру индексация.Быстрая связь в масс-спектрометрии 24: 807-814

Генетика и эректильная дисфункция: использование ранних основ для новых открытий