Fundamentos de la Proteómica Clásica MAPAS DE PÉPTIDOS. IDENTIFICACIÓN DE PROTEÍNAS A PARTIR DE...

Fundamentos de la Proteómica ClásicaFundamentos de la Proteómica Clásica

MAPAS DE PÉPTIDOS. IDENTIFICACIÓN DEMAPAS DE PÉPTIDOS. IDENTIFICACIÓN DE

PROTEÍNAS A PARTIR DE PÉPTIDOSPROTEÍNAS A PARTIR DE PÉPTIDOS

Alberto Jorge GarcíaAlberto Jorge García

Laboratorio de QuLaboratorio de Quíímica de Protemica de Proteíínas y Protenas y Proteóómica mica CBM-SO. CSIC-UAMCBM-SO. CSIC-UAM

Curso de doctoradoCurso de doctorado““Estructura y Función de Macromoléculas”Estructura y Función de Macromoléculas”

[email protected]@cbm.uam.es

TÉCNICAS DE SECUENCIACIÓN DE PROTEÍNAS

Aproximaciones Clásicas para el Análisis del ProteomaAproximaciones Clásicas para el Análisis del Proteoma

Geles 1D ó 2D

Digestión bandas (1D) o spots (2D)

Extracción de péptidos

Transferencia a PVDF

Degradación de EdmanDegradación de Edman

Secuenciación N-terminal

Búsqueda DB Identificaciónproteína

Análisis PTMs“De Novo”

nano-ESI-MS/MSnano-ESI-MS/MSSecuenciación manual

MALDI-TOFMALDI-TOF(PMF)

LC-ESI-MS/MSLC-ESI-MS/MSSecuenciación automática

Separación HPLCcolección de fracciones

Desalado

PROTEÍNAPROTEÍNA:: Conjunto de aminoácidos ordenados en una secuencia específica para dar lugar a una propiedad o actividad definida

Para la identificación de una proteína se necesita obtener informaciónde la misma que sea únicaúnica para esa proteína en particular

pI ó MW no siempre permitenhacer una asignación única

??

Identificación de una proteínaIdentificación de una proteína

Técnicas Clásicas en Química de ProteínasTécnicas Clásicas en Química de Proteínas

ANÁLISIS DE AMINOÁCIDOSANÁLISIS DE AMINOÁCIDOS

1. Hidrólisis de péptidos o proteínas

Ácida (6M HCl, 110 ºC, 18-24h)

Alcalina (NaOH 4.2N)

2. Separación y detección de los aminoácidos por HPLC

3. Mediante comparación con patrones de aminoácidos:

Identificación tiempo de retención en la columnaCuantificación área de los picos

R-CO-NH-R´ + HR-CO-NH-R´ + H22O R-COOH + O R-COOH + 22HN-R´HN-R´

Análisis de aminoácidos

0

2

4

6

8

10

12

14

16

G A S P V T C I L D K E M H F R Y

Permite conocer la composición de Permite conocer la composición de

aminoácidos de una proteína pero no la aminoácidos de una proteína pero no la

secuencia de la mismasecuencia de la misma



DEGRADACIÓN DE EDMAN (1950)DEGRADACIÓN DE EDMAN (1950)

Las proteínas son “degradadas” en su extremo N-terminal

mediante el acoplamiento de feniltioisocianato (PITC)

La reacción se divide en tres etapas:

- Acoplamiento

- Ruptura

- Conversión

Durante un ciclo de reacción el residuo N-term. del polipéptido

es cortado y analizado por HPLC

Queda libre el extremo N-term. del segundo residuo susceptible

de un nuevo ciclo

Se obtiene una secuencia de aminoácidos con tantos residuos

como ciclos de reacción

N-term-aaN-term-aa11-aa-aa22-aa-aa33-aa-aa44-aa-aa55-aa-aa66-C-term-C-term


N-term-aaN-term-aa22-aa-aa33-aa-aa44-aa-aa55-aa-aa66-C-term-C-term PTH-aaPTH-aa11++

CICLO 1CICLO 1

N-term-aaN-term-aa33-aa-aa44-aa-aa55-aa-aa66-C-term-C-term PTH-aaPTH-aa22++

CICLO 2CICLO 2

N-term-aaN-term-aa44-aa-aa55-aa-aa66-C-term-C-term PTH-aaPTH-aa33++

CICLO 3CICLO 3

N-term-aaN-term-aa55-aa-aa66-C-term-C-term PTH-aaPTH-aa44++

CICLO 4CICLO 4

......

S-fosfo


Separación cromatográfica de una mezcla patrón de PTH-aaSeparación cromatográfica de una mezcla patrón de PTH-aass


Vigentes hasta hace poco más de 4-5 añosVigentes hasta hace poco más de 4-5 años

Identificación “textual” de la proteínaIdentificación “textual” de la proteína

Estudios muy costososEstudios muy costosos

PormenorizadosPormenorizados

Muy lentosMuy lentos

Mantenimiento complicadoMantenimiento complicado

Reacciones secundarias no deseables Reacciones secundarias no deseables

Información limitadaInformación limitada

Peptide Mass Fingerprinting (PMF)Peptide Mass Fingerprinting (PMF)

EVOLUCIÓN HISTÓRICAEVOLUCIÓN HISTÓRICA

Necesidad de desarrollar una técnica que permitiese aumentar

la velocidad de análisisvelocidad de análisis de las proteínas, cuyo objetivo inicial fue

determinar de una forma rápida cuáles eran las proteínas más

abundantes de una muestra que, generalmente, no son las de

interés

Los métodos de ionizaciónmétodos de ionización empleados entonces en

espectrometría de masas (FAB y PDMS) eran incapaces de

producir iones de proteínas mayores de 20 kDa20 kDa y necesitaban gran

cantidad de muestracantidad de muestra

El desarrollo, a principios de los 90, de técnicas de ionización

suave (MALDI y ESIMALDI y ESI) que permitían el análisis de cantidades

menores (inferiores al pmolinferiores al pmol) y podían trabajar con proteínas de

hasta 100 kDa100 kDa tuvo un gran impacto en el PMF


HIPÓTESIS HIPÓTESIS

Si se corta una proteína de forma predecible,

los tamaños de las piezas obtenidas

conformarán la “huella peptídica” de esa

proteína

Si cada proteína presente en una DB puede

ser cortada “in silico” de la misma forma, la

huella peptídica permitirá la identificación de

la proteína


PROCEDIMIENTO PROCEDIMIENTO

El “corte” de la proteína se realiza mediante digestión digestión

enzimáticaenzimática utilizando proteasas que rompen la proteína

generando un determinado número de péptidos

La “huella peptídica” de una proteína dependerá de la

proteasa empleada, pero es únicaúnica para cada una de ellas

TripsinaTripsina Corta R-X y K-X excepto si X=P

Peptide Mass Fingerprinting (PMF)Peptide Mass Fingerprinting (PMF)>sp|P02769|ALBU_BOVIN Serum albumin precursor (Allergen Bos d 6) (BSA) – Bos taurus (Bovine) MKWVTFISLLLLFSSAYSRGVFRRDTHKSEIAHRFKDLGEEHFKGLVLIAFSQYLQQCPFDEHVKLVNELTEFAKTCVADESHAGCEKSLHTLFGDELCKVASLRETYGDMADCCEKQEPERNECFLSHKDDSPDLPKLKPDPNTLCDEFKADEKKFWGKYLYEIARRHPYFYAPELLYYANKYNGVFQECCQAEDKGACLLPKIETMREKVLASSARQRLRCASIQKFGERALKAWSVARLSQKFPKAEFVEVTKLVTDLTKVHKECCHGDLLECADDRADLAKYICDNQDTISSKLKECCDKPLLEKSHCIAEVEKDAIPENLPPLTADFAEDKDVCKNYQEAKDAFLGSFLYEYSRRHPEYAVSVLLRLAKEYEATLEECCAKDDPHACYSTVFDKLKHLVDEPQNLIKQNCDQFEKLGEYGFQNALIVRYTRKVPQVSTPTLVEVSRSLGKVGTRCCTKPESERMPCTEDYLSLILNRLCVLHEKTPVSEKVTKCCTESLVNRRPCFSALTPDETYVPKAFDEKLFTFHADICTLPDTEKQIKKQTALVELLKHKPKATEEQLKTVMENFVAFVDKCCAADDKEACFAVEGPKLVVSTQTALA

K 147,11786R 175,1239PK 244,17086LK 260,20186EK 276,15986MK 278,15786HK 284,17677LR 288,2079FK 294,18586QR 303,1819ALK 331,23886LAK 331,23886VTK 347,23386VHK 383,24477QIK 388,25986FPK 391,23886SLGK 404,25486VGTR 432,2609YTR 439,2349CCTK 454,18386

ADEK 462,22386DVCK 464,22186LSQK 475,29186GVFR 478,2809DTHK 500,25177FGER 508,2549ADLAK 517,30286FWGK 537,28586VASLR 545,3449ECCDK 597,20486PLLEK 599,38086AFDEK 609,29186PESER 617,2929CASIQK 649,33786IETMR 649,3379QEPER 658,3189TPVSEK 660,36086AWSVAR 689,3769GACLLPK 701,40586VLASSAR 703,4139

SEIAHR 712,37781CCAADDK 725,26386NYQEAK 752,36076LVTDLTK 789,47686ATEEQLK 818,42886LCVLHEK 841,46377DDSPDLPK 886,42086AEFVEVTK 922,49086YLYEIAR 927,4969DLGEEHFK 974,46077NECFLSHK 977,45467LVVSTQTALA 1002,5869QNCDQFEK 1011,4228QTALVELLK 1014,6229SHCIAEVEK 1015,4908CCTESLVNR 1024,4588EACFAVEGPK 1050,4949LVNELTEFAK 1163,6338PDPNTLCDEFK 1278,5718HPEYAVSVLLR 1283,7138

HLVDEPQNLIK 1305,7197TCVADESHAGCEK 1349,5488SLHTLFGDELCK 1362,6758ETYGDMADCCEK 1364,4829YICDNQDTISSK 1386,6248EYEATLEECCAK 1388,5729TVMENFVAFVDK 1399,6948LGEYGFQNALIVR 1479,7968DDPHACYSTVFDK 1497,6358VPQVSTPTLVEVSR 1511,8459DAFLGSFLYEYSR 1567,7449ECCHGDLLECADDR 1578,6008YNGVFQECCQAEDK 1633,6628PCFSALTPDETYVPK 1667,8029MPCTEDYLSLILNR 1667,8168LFTFHADICTLPDTEK 1850,9038HPYFYAPELLYYANK 1888,9297DAIPENLPPLTADFAEDK 1955,9638WVTFISLLLLFSSAYSR 2003,1029GLVLIAFSQYLQQCPFDEHVK 2435,2428

SecuenciaSecuencia ParcialParcial

PMPM

M+HM+H++




PMPM

M+HM+H++

PMPM

M+HM+H++

PMPM

M+HM+H++


Compara esas masas teóricas con las masas

observadas experimentalmente

Produce una digestión teórica de todas las

proteínas presentes en una DB con una enzima

específica

Asigna una puntuación (score) a los

péptidos/proteínas que coinciden en función del

grado de coincidencia

2000.0 2500.0 3000.0 3500.0 4000.0 4500.0 5000.0

2000.0 2500.0 3000.0 3500.0 4000.0 4500.0 5000.0

2000.0 2500.0 3000.0 3500.0 4000.0 4500.0 5000.0

2000.0 2500.0 3000.0 3500.0 4000.0 4500.0 5000.0

2000.0 2500.0 3000.0 3500.0 4000.0 4500.0 5000.0


MAPAS TEÓRICOSMAPAS TEÓRICOS MAPA EXPERIMENTAL MAPA EXPERIMENTAL

Cortesía de Bruker Daltonics


Mapa MALDI-TOF de un digerido en gel de BSA Mapa MALDI-TOF de un digerido en gel de BSA

1479.859

927.541

1639.999

1823.962

1415.681

1283.739

1955.951830.441

1163.692

0

1000

2000

3000

4000

5000

Inte

ns.

[a.u

.]

800 1000 1200 1400 1600 1800 2000 2200 2400m/z

1439.863

1163.692

1163.692

1823.9621823.962 1823.962

En la actualidad hay disponibles en la web varios motores de búsqueda:

Búsqueda en las Bases de DatosBúsqueda en las Bases de Datos

MASCOTMASCOT: http://matrixscience.com

ProFoundProFound:: http://129.85.19.192/profound_bin/WebProFound.exe

MS-FitMS-Fit: http://prospector.ucsf.edu/ucsfhtml4.0/msfit.htm

PeptIdentPeptIdent: http://ua.expasy.org/tools/peptident.html

AldenteAldente: http://ua.expasy.org/tools/aldente.html

Búsqueda en las Bases de DatosBúsqueda en las Bases de Datos

Parámetros de búsqueda: BASES DE DATOSParámetros de búsqueda: BASES DE DATOS

Parámetros de búsqueda: BASES DE DATOSParámetros de búsqueda: BASES DE DATOS

- DB con bajo nivel de redundancia

- Gran nº de anotaciones

(función, variantes de secuencia, etc)

SwissProt SwissProt

- DB de proteínas no idénticas

- Diseñada específicamente para aplicaciones de MSMSDB MSDB

- DB de ác. nucléicos y proteínas no idénticas

- Las entradas han sido compiladas a partir de traducciones

de GenBank, PIR, SWISS-PROT, PRF y PDB

- Es la mayor y la que más frecuentemente se actualiza

NCBInr NCBInr

dbESTdbEST: DB de “Expressed Sequence Tags”

RandomRandom:: DB de secuencias aleatorias. Utilizada para la verificación estadística

de los resultados

OWLOWL:: DB de proteínas no idénticas. Sin actualizar desde 1999

No utilizadas para PMF:No utilizadas para PMF:

Parámetros de búsqueda: TAXONOMÍA Parámetros de búsqueda: TAXONOMÍA

Permite limitar la búsqueda a entradas de un grupo de especies o

una especie en particular aumentando la velocidad de la búsqueda

Inconveniente:Inconveniente: Falta de un sistema riguroso para especificar la taxonomía en las DB

Los principales problemasprincipales problemas son:

• El texto de una entrada puede no especificar la taxonomía

• Hay múltiples nombres para una única especie (homo sapiens, human, man)

• Existen nombres con errores (homo sapeins)

• Reclasificación continua de especies

• En las DBnr, una única entrada puede representar secuencias idénticas

pertenecientes a múltiples especies

Parámetros de búsqueda: TAXONOMÍA Parámetros de búsqueda: TAXONOMÍA

¡!¡!

Parámetros de búsqueda: ENZIMA Parámetros de búsqueda: ENZIMA

Name CleaveDon't cleave

N or C term

Trypsin KR P CTERM

Arg-C R P CTERM

Asp-N BD NTERM

Asp-N_ambic DE NTERM

Chymotrypsin FYWL P CTERM

CNBr M CTERM

Formic_acid D CTERM

Lys-C K P CTERM

Lys-C/P K CTERM

PepsinA FL CTERM

Tryp-CNBr KRM P CTERM

TrypChymo FYWLKR P CTERM

Trypsin/P KR CTERM

V8-DE BDEZ P CTERM

V8-E EZ P CTERM

CNBr+TrypsinM CTERM

KR P CTERM

““None” None” Para péptidos que no se han originado a partir de una digestión enzimática (ej. MHC)No es una buena elección para PMF

““SemiTrypsin” SemiTrypsin” Para péptidos producto de un doble corte inespecífico

Parámetros de búsqueda: Parámetros de búsqueda: MISSED CLEAVAGES MISSED CLEAVAGES

Es conveniente no especificar más de 2 cortes parciales ya que el aumento

supone incrementar el número de péptidos a los que se enfrentarán los datos

experimentales con lo cual:Aumenta el tiempo de búsqueda

Aumenta el número de asignaciones aleatorias

Disminuye la discriminación y la puntuación final

¡!¡!

Parámetros de búsqueda: MODIFICACIONESParámetros de búsqueda: MODIFICACIONES

FIJASFIJAS

VARIABLES VARIABLES

• Modificación que puede o no estar presente

• Modificación aplicada universalmente

• No produce aumento en el número de péptidos

Ej. Carbamidomethyl (C) + 57 Da

C 103 Da 160 Da

• Se buscan todas las posibles combinaciones para encontrar la mejor asignación


Ej. Oxidation (M) + 16 Da AIMCTHDMEYWMK AIMCTHDMEYWMK

AIMCTHDMEYWMK AIMCTHDMEYWMK



Aumenta el tiempo de búsqueda

Aumenta el número de asignaciones aleatorias

Disminuye la discriminación y la puntuación final

¡!¡! • Cada modif. variable puede generar varios péptidos adicionales para ser testados:


Modificaciones causadas por la preparación de la muestraModificaciones causadas por la preparación de la muestra: :

Coomassie / Sypro Coomassie / Sypro PlataPlata

1-D1-D

Variables Variables

2-D2-D

Met oxidada(+16 Da)

Met oxidada(+16 Da)

C-carbamidometilada (+ 57 Da)

Met oxidada(+16 Da)

C-carbamidometilada (+ 57 Da)

Variables Variables Fijas Fijas Fijas Fijas

Met oxidada(+16Da)

Propionamida(+71 Da)

Propionamida(+71 Da)

C-betamercapto(+76 Da)

C-betamercapto (+76 Da)

C-carbamidometilada (+57 Da)

-

-

-

---

-


Modificaciones Post-traduccionalesModificaciones Post-traduccionales: :

Juegan un papel fundamental en la funcionalidad de las proteínas

Acetilación N-terminal:Acetilación N-terminal:+42 Da+42 Da

Induce un incremento en la ionización del péptido produciendo picos muy intensos

Las más comunes son:

Fosforilación (S, T, Y):Fosforilación (S, T, Y):+80 Da +80 Da

Dificulta la ionización. Es más difícil de detectar por PMF

Si estamos seguros de que nuestra proteína está modificada podemos:

Seleccionar la modificación como variable (menos recomendable)

Buscar el péptido modificado en el mapa Deberá aparecer con un desplazamiento en m/z equivalente a la modificación

Parámetros de búsqueda: Parámetros de búsqueda: MWMW DE LA PROTEÍNA DE LA PROTEÍNA


¡!¡! La mayoría de las entradas en las DB corresponden

a la forma menos procesada de la proteína

Permite encontrar asignaciones correspondientes a:

Proteínas de menor MW

Proteínas de mayor MW Extendiendo la secuencia como máximouna longitud igual a MW especificado

Si se restringe la búsqueda a un rangomuy estrecho en torno al MW

Alta probabilidad de que se produzcauna asignación errónea

límite superior MW

MASCOTMASCOT


INS_BOVIN (SwissProt) INS_BOVIN (SwissProt) PRECURSOR (incl. pépt. señal y conectores) MW 11394 Da

Procesamiento posterior a la traducción

INSULINA (MW 5734 Da)

EjemploEjemplo : :

5734 Da x 2 = 11468 Da > 11394 Da

Límite superior de la búsqueda en MASCOT superior al MW de la forma menos procesada de la proteína

Alta probabilidad de que la asignación sea correcta

Parámetros de búsqueda: TOLERANCIA DE LOS PÉPTIDOSParámetros de búsqueda: TOLERANCIA DE LOS PÉPTIDOS

Es el margen de error permitidoEs el margen de error permitido

para las masas experimentales de los péptidospara las masas experimentales de los péptidos

Parámetros de búsqueda: TOLERANCIA DE LOS PÉPTIDOSParámetros de búsqueda: TOLERANCIA DE LOS PÉPTIDOS

UnidadesUnidades: :

mmummu unidades absolutas de mili-masa (ej. unidades de .001 Da)

DaDa unidades absolutas de Da

ppmppm fracción expresada como partes por millón

%% fracción expresada como porcentaje

búsqueda de un péptido de 1000.00 Da 100 ppm

se busca entre 999.90 Da y 1000.10 Da

La tolerancia permitida dependerá deLa tolerancia permitida dependerá de

la exactitud de masa del equipo y de la calibraciónla exactitud de masa del equipo y de la calibración

exactitud tolerancia probabilidad buena asignación

Parámetros de búsqueda: VALORES DE MASASParámetros de búsqueda: VALORES DE MASAS

Modo Lineal Modo Lineal

Modo ReflectorModo Reflector Monoisotópico (mayor resolución) Monoisotópico (mayor resolución)

Average Average

Parámetros de búsqueda: Parámetros de búsqueda: DATA FILE OR QUERYDATA FILE OR QUERY

Data fileData file: Formato ASCII (texto simple). Si se especifica, MASCOT ignora Query

Parámetros de búsqueda: LISTA DE MASAS Parámetros de búsqueda: LISTA DE MASAS

Para PMF se emplea una lista de masas donde

no se tiene en cuenta la intensidadno se tiene en cuenta la intensidad de los picos ¡!¡!

Principalmente si se trabaja a alta sensibilidadalta sensibilidad donde la intensidad de los péptidos es semejante a la de los contaminantes (matriz, queratinas, autolisis de tripsina)

¡Inconveniente!¡Inconveniente!

Ej. Proteína 20 KDa. Digestión triptica 20-40 péptidos

Lista de 100 masas 60-80 péptidos son ruido o contaminantes

Probabilidad de asignaciones aleatorias

Parámetros de búsqueda: LISTA DE MASAS Parámetros de búsqueda: LISTA DE MASAS

Método óptimo: Método óptimo:

Buen rendimiento de digestión

Correcta manipulación de la muestra

Equipo que permita buena resolución y exactitud de masa

Adecuada calibración

Adquisición del espectro idónea

Conocer las masas de los contaminantes

Parámetros de búsqueda: Parámetros de búsqueda: OVERVIEW AND REPORT HITSOVERVIEW AND REPORT HITS

Incluye en los resultadosuna tabla descriptiva

Número máximo de resultados a mostrar

AUTOAUTO: muestra sólo las proteínas con puntuación significativa

Ejemplo real Ejemplo real

Digerido en gel de BSA Digerido en gel de BSA

Start Search ...

RESULTADOS RESULTADOS

Albumin (Bos taurus)

Zona de incertidumbre


IndexIndex

Results List Results List



Overview Table Overview Table gi|418694

gi|30794280


Protein View Protein View

Interpretación de los ResultadosInterpretación de los Resultados

He identificado una proteína pero...

¿Es realmente correcta la identificación?

Análisis cuidadoso de los resultados

Coincidencia del resultado empleando distintos motores de búsqueda

Coincidencia del resultado haciendo la digestión con distintas proteasas

Las masas asignadas a la proteína, ¿son las más abundantes del espectro?

Del total de masas experimentales, ¿cuántas “encajan” con la proteína?

¿Cuánto se aleja nuestro resultado de la zona de incertidumbre?

Interpretación de los ResultadosInterpretación de los Resultados

¿El resultado apoya lo que se conoce previamente?

¿MW esp. es de una prot. degradada?

. . .

Coincidencia de la especie, tejido, compartimento subcelular, etc

Coincidencia del MW

PrecaucionesPrecauciones::

MW obs. > MW esp.

MW obs. < MW esp.

En DB, forma menos procesada

¿La prot. es oligomérica y observamos una subunidad?

Ventajas y Limitaciones del PMF Ventajas y Limitaciones del PMF

VENTAJAS VENTAJAS

LIMITACIONESLIMITACIONES

Análisis rápido y con bajo coste

Alta sensibilidad

Aplicable para un elevado número de muestras

La proteína debe estar en la DB o presentar un alto grado de homología con proteínas presentes para poder ser identificada

No aplicable para proteínas menores de 15 kDa o proteínas con alto número de modificaciones

Dificil identificación de mezclas de proteínas

Aplicaciones Aplicaciones

Identificación de proteínasIdentificación de proteínas

Determinación de la identidad de una proteína Determinación de la identidad de una proteína asociada con una determinada actividad observadaasociada con una determinada actividad observada

Identificación de sustratos de proteínas quinasasIdentificación de sustratos de proteínas quinasas

Determinación de la localización subcelular Determinación de la localización subcelular

Identificación de complejos de interacciónIdentificación de complejos de interacción

Protein IdentificationProtein Identification

General Yates, JR, 3rd, Database searching using mass spectrometry data. Electrophoresis, 19(6) 893-900 (1998). Bleasby, AJ and Wootton, JC, Construction of validated, non-redundant composite protein sequence databases. Protein Eng., 3(3) 153-9 (1990).

Peptide Mass Fingerprint Pappin, DJC, Hojrup, P and Bleasby, AJ, Rapid identification of proteins by peptide-mass fingerprinting. Curr. Biol., 3(6) 327-32 (1993). James, P, Quadroni, M, Carafoli, E and Gonnet, G, Protein identification in DNA databases by peptide mass fingerprinting. Protein Sci, 3(8) 1347-50 (1994).

Sequence Query Mann, M and Wilm, M, Error-tolerant identification of peptides in sequence databases by peptide sequence tags. Anal Chem, 66(24) 4390-9 (1994). Pappin, DJC, Rahman, D, Hansen, HF, Bartlet-Jones, M, Jeffery, W and Bleasby, AJ, Chemistry, mass spectrometry and peptide-mass databases: Evolution of methods for the rapid identification and mapping of cellular proteins. Mass Spectrom. Biol. Sci., 135-50 (1996).

Bibliografía Bibliografía

Fundamentos de la Proteómica Clásica MAPAS DE PÉPTIDOS. IDENTIFICACIÓN DE PROTEÍNAS A PARTIR DE...

Documents

Transcript of Fundamentos de la Proteómica Clásica MAPAS DE PÉPTIDOS. IDENTIFICACIÓN DE PROTEÍNAS A PARTIR DE...