Please use this identifier to cite or link to this item:
https://www.arca.fiocruz.br/handle/icict/57829
PATTERNLAB V HANDLES MULTIPLEX SPECTRA IN SHOTGUN PROTEOMIC SEARCHES AND INCREASES IDENTIFICATION
Author
Clasen, Milan A.
Santos, Marlon D. M.
Kurt, Louise Ulrich
Fischer, Juliana de Saldanha da Gama
Camillo-Andrade, Amanda C.
Sales, Lucas Albuquerque
Souza, Tatiana de Arruda Campos Brasil de
Lima, Diogo Borges
Gozzo, Fabio C.
Valente, Richard Hemmi
Duran, Rosario
Barbosa, Valmir C.
Carvalho, Paulo Costa
Santos, Marlon D. M.
Kurt, Louise Ulrich
Fischer, Juliana de Saldanha da Gama
Camillo-Andrade, Amanda C.
Sales, Lucas Albuquerque
Souza, Tatiana de Arruda Campos Brasil de
Lima, Diogo Borges
Gozzo, Fabio C.
Valente, Richard Hemmi
Duran, Rosario
Barbosa, Valmir C.
Carvalho, Paulo Costa
Affilliation
Fundação Oswaldo Cruz. Instituto Carlos Chagas. Laboratório de Proteômica Estrutural e Computacional. Curitiba, PR, Brasil.
Fundação Oswaldo Cruz. Instituto Carlos Chagas. Laboratório de Proteômica Estrutural e Computacional. Curitiba, PR, Brasil.
Fundação Oswaldo Cruz. Instituto Carlos Chagas. Laboratório de Proteômica Estrutural e Computacional. Curitiba, PR, Brasil.
Fundação Oswaldo Cruz. Instituto Carlos Chagas. Laboratório de Proteômica Estrutural e Computacional. Curitiba, PR, Brasil.
Fundação Oswaldo Cruz. Instituto Carlos Chagas. Laboratório de Proteômica Estrutural e Computacional. Curitiba, PR, Brasil.
Fundação Oswaldo Cruz. Instituto Carlos Chagas. Laboratório de Proteômica Estrutural e Computacional. Curitiba, PR, Brasil.
Fundação Oswaldo Cruz. Instituto Carlos Chagas. Laboratório de Proteômica Estrutural e Computacional. Curitiba, PR, Brasil.
Department of Structural Biology. Leibniz Forschungsinstitut für Molekulare Pharmakologie. Berlin, Germany.
Universidade Estadual de Campinas. Dalton Mass Spectrometry Laboratory. Campinas, SP, Brasil.
Fundação Oswaldo Cruz. Instituto Oswaldo Cruz. Laboratório de Toxinologia. Rio de Janeiro, RJ, Brasil.
Analytical Biochemistry and Proteomics Unit. Institut Pasteur de Montevideo. Montevideo, Uruguay.
Universidade Federal do Rio de Janeiro. Programa de Engenharia de Sistemas e Computação. Rio de Janeiro, RJ, Brasil.
Fundação Oswaldo Cruz. Instituto Carlos Chagas. Laboratório de Proteômica Estrutural e Computacional. Curitiba, PR, Brasil.
Fundação Oswaldo Cruz. Instituto Carlos Chagas. Laboratório de Proteômica Estrutural e Computacional. Curitiba, PR, Brasil.
Fundação Oswaldo Cruz. Instituto Carlos Chagas. Laboratório de Proteômica Estrutural e Computacional. Curitiba, PR, Brasil.
Fundação Oswaldo Cruz. Instituto Carlos Chagas. Laboratório de Proteômica Estrutural e Computacional. Curitiba, PR, Brasil.
Fundação Oswaldo Cruz. Instituto Carlos Chagas. Laboratório de Proteômica Estrutural e Computacional. Curitiba, PR, Brasil.
Fundação Oswaldo Cruz. Instituto Carlos Chagas. Laboratório de Proteômica Estrutural e Computacional. Curitiba, PR, Brasil.
Fundação Oswaldo Cruz. Instituto Carlos Chagas. Laboratório de Proteômica Estrutural e Computacional. Curitiba, PR, Brasil.
Department of Structural Biology. Leibniz Forschungsinstitut für Molekulare Pharmakologie. Berlin, Germany.
Universidade Estadual de Campinas. Dalton Mass Spectrometry Laboratory. Campinas, SP, Brasil.
Fundação Oswaldo Cruz. Instituto Oswaldo Cruz. Laboratório de Toxinologia. Rio de Janeiro, RJ, Brasil.
Analytical Biochemistry and Proteomics Unit. Institut Pasteur de Montevideo. Montevideo, Uruguay.
Universidade Federal do Rio de Janeiro. Programa de Engenharia de Sistemas e Computação. Rio de Janeiro, RJ, Brasil.
Fundação Oswaldo Cruz. Instituto Carlos Chagas. Laboratório de Proteômica Estrutural e Computacional. Curitiba, PR, Brasil.
Abstract
Complex protein mixtures typically generate many tandem mass spectra produced by different peptides coisolated in the gas phase. Widely adopted proteomic data analysis environments usually fail to identify most of these spectra, succeeding at best in identifying only one of the multiple cofragmenting peptides. We present PatternLab V (PLV), an updated version of PatternLab that integrates the YADA 3 deconvolution algorithm to handle such cases efficiently. In general, we expect an increase of 10% in spectral identifications when dealing with complex proteomic samples.
Share