Page 111 - My FlipBook
P. 111
Brochure 2020
與轉錄異構物。為了對基因體生物學透過電腦科學 管使用廣受歡迎的 TransProteomic Pipeline (TPP)，仍
來進行實驗分析，我們整合各種體學的資料，結合 需一連串的人工操作；為了方便使用者自動分析資
電腦科學、統計學與分子生物學來開發新的生物資 料，我們開發名為 WinProphet 的軟體。此軟體結合
訊分析工具並回答生物問題。例如在研究心室肥大 TPP 強大的功能和外部命令行的程式，讓使用者透過
在小鼠實驗的基因調控機制，我們藉由分析基因和 圖形介面方便地建構、管理分析流程，並自動執行
miRNA 在不同時間點全轉譯組的表達差異，並建立 流程。使用者所建構的流程，亦能以 XML 檔案格式
基因調控的動態網路。我們發現不少已知跟心室肥 下載，重複使用。其次，我們開發名為 Multi-Q 2 的
大的轉譯因子和 miRNAs，並非在一開始就有顯著地 定量軟體，是和我們之前發表的 Multi-Q 軟體完全不
表達，許多都是在後期才有表達。藉由這個網路， 同的全新開發，可達到高準確率和涵蓋率。我們也
讓我們更清楚的了解，在心臟受壓迫時所造成心室 進行許多不同資料正規化和其他多種設定的分析比
肥大的過程中，調控網路的動態變化。 較，以便瞭解達到較高準確率的關鍵。
二、醣合成、蛋白體及蛋白基因體 人類蛋白體計畫是世界蛋白體組織所發起的計畫，
主旨為確定人體所有的蛋白質。最近幾年計畫的重
智能化的一鍋式反應： 醣和製藥有著極為密切的關 點，在於從鑑定出失蹤蛋白，這些蛋白質目前尚未
係。翁啟惠教授聞名世界的「程式化一鍋式反應」 有蛋白質層次的實驗證據；我們進行相關研究。首
(one pot) 是第一個也是唯一可自動化而快速合成寡 先，我們從資訊分析角度探討為何失蹤蛋白質不易
醣 的 方 法。 利 用 library 中 類 似 於 LEGO 的 building 從現有的質譜實驗中被鑑定。其次，要鑑定失蹤蛋
blocks ( 基塊 : 目前有一百多個單醣及少數雙醣 )，他 白質，必須遵守人類蛋白體計畫嚴謹的資料分析準
們早期的軟體能推薦合成寡醣的多種基塊組合，再 則，因此我們探討同質量替代效應對鑑定失蹤蛋白
由生物學家做最後的定奪。其中翁教授最大的貢獻 質的影響。第三，由於為要能偵測失蹤蛋白質，必
就是提出，「只需要安排這些基塊反應數值 (RRV) 的 須確認該蛋白質有獨一的水解胜肽，因此我們開發
適當差距就可以讓合成反應有效地一鍋完成」，解 名為 iHPDM 的網站服務，其後端包含一個龐大的由
決了以往依賴嘗試與錯誤來處理保護基及多重反應 15 種蛋白酶剪切的所有胜肽資料庫，以便研究者選
的實驗困境。然而，one pot 有兩大限制 : (1) 目前的 擇合適的蛋白酶進行尋找失蹤蛋白質的質譜實驗。
library 約有 150 個基塊，僅能合成單調的寡醣 ; (2) 此外，我們也協助中研院團隊分析質譜實驗的資料，
由於 RRV 差距的限制，one pot 能夠合成的寡醣最多 以確保所鑑定的失蹤蛋白質符合人類蛋白體計畫的
不超過 10 個單醣。為了祛除 (1) 的限制，我們首先 資料分析準則。
提出「虛擬單醣基塊」的概念，用程式產生五萬多
個虛擬單醣基塊。並利用機器學習預測每個基塊的 蛋白基因體的生物資訊：蛋白質編碼區的變異，如：
RRV 數值 ( 準確度在 97% 以上 )，使得學者能事先評 單胺基酸變異、序列插入或刪除、剪接點，可能和
估需要產生何種基塊，大量增加可合成醣的種類。 癌症相關；例如：在台灣肺癌病人可看到表皮生長
對於限制 (2)，我們則提出「組合式多醣基塊」的概 因 子 受 體（ 蛋 白 質 ） 在 基 因 體 層 次 的 L858R 單 胺
念，以程式模擬多層次的 one pot，理論上幾可合成 基酸變異。在蛋白質層次驗證蛋白質編碼區變異，
任何形狀及大小的多醣體。這個新智能化方法將可 也就是從質譜儀實驗資料中鑑定出變異胜肽；此蛋
讓多醣體及醣合成的研究跨入一個新的境界。 白基因體研究，近年來逐漸受到重視。然而，此研
究領域有兩項挑戰；首先，要從質譜儀資料鑑定變
圖一：使用 Auto-CHO 進行 異胜肽，必須先建構客製化的蛋白質序列資料庫，
Globo H 之一鍋化合成。 此資料庫需必須有充足的包含變異胜肽的蛋白質序
列；其次，即使從質譜實驗鑑定出變異胜肽，仍必
蛋白體生物資訊： 蛋白體是重要研究課題，因為蛋 須進行一些檢測來確認的確是變異胜肽，如：檢查
白質執行細胞內的各種功能，也是藥物標的。質譜 這些變異胜肽是否經由已知的胜肽經質量修飾後可
儀目前是研究蛋白體最重要的實驗技術，分析質譜 得。我們針對第一個挑戰，提出名為 MinProtMaxVP
儀資料最主要的任務，就是要針對生物樣本進行蛋 的演算法，將產生最少數量蛋白質序列包含所有單
白質鑑定（定性）與定量。就此，我們提出計算方法， 胺基酸變異的組合之變異胜肽的計算問題，轉化為
並開發軟體以進行分析。首先，質譜儀資料分析儘 傳統的集合覆蓋問題。未來我們將發展一個軟體系
統來建構上述客製化蛋白質資料庫，此軟體將利用
MinProtMaxVP 演算法及合適的產生 decoy database
的方法。針對第二個挑戰，我們探究同質量替代效
應對變異胜肽鑑定的影響；此外，並提出一個名為
LeTE-fusion 的流程，來評估鑑定出變異胜肽的可能
性，並可以此來評估質譜儀資料鑑定出的變異胜肽
是否可能。未來我們將繼續發展方法，以嚴謹地確
認質譜儀資料所鑑定變異胜肽。希望我們的成果能
有助於癌症的蛋白基因體研究。
109
與轉錄異構物。為了對基因體生物學透過電腦科學 管使用廣受歡迎的 TransProteomic Pipeline (TPP)，仍
來進行實驗分析，我們整合各種體學的資料，結合 需一連串的人工操作；為了方便使用者自動分析資
電腦科學、統計學與分子生物學來開發新的生物資 料，我們開發名為 WinProphet 的軟體。此軟體結合
訊分析工具並回答生物問題。例如在研究心室肥大 TPP 強大的功能和外部命令行的程式，讓使用者透過
在小鼠實驗的基因調控機制，我們藉由分析基因和 圖形介面方便地建構、管理分析流程，並自動執行
miRNA 在不同時間點全轉譯組的表達差異，並建立 流程。使用者所建構的流程，亦能以 XML 檔案格式
基因調控的動態網路。我們發現不少已知跟心室肥 下載，重複使用。其次，我們開發名為 Multi-Q 2 的
大的轉譯因子和 miRNAs，並非在一開始就有顯著地 定量軟體，是和我們之前發表的 Multi-Q 軟體完全不
表達，許多都是在後期才有表達。藉由這個網路， 同的全新開發，可達到高準確率和涵蓋率。我們也
讓我們更清楚的了解，在心臟受壓迫時所造成心室 進行許多不同資料正規化和其他多種設定的分析比
肥大的過程中，調控網路的動態變化。 較，以便瞭解達到較高準確率的關鍵。
二、醣合成、蛋白體及蛋白基因體 人類蛋白體計畫是世界蛋白體組織所發起的計畫，
主旨為確定人體所有的蛋白質。最近幾年計畫的重
智能化的一鍋式反應： 醣和製藥有著極為密切的關 點，在於從鑑定出失蹤蛋白，這些蛋白質目前尚未
係。翁啟惠教授聞名世界的「程式化一鍋式反應」 有蛋白質層次的實驗證據；我們進行相關研究。首
(one pot) 是第一個也是唯一可自動化而快速合成寡 先，我們從資訊分析角度探討為何失蹤蛋白質不易
醣 的 方 法。 利 用 library 中 類 似 於 LEGO 的 building 從現有的質譜實驗中被鑑定。其次，要鑑定失蹤蛋
blocks ( 基塊 : 目前有一百多個單醣及少數雙醣 )，他 白質，必須遵守人類蛋白體計畫嚴謹的資料分析準
們早期的軟體能推薦合成寡醣的多種基塊組合，再 則，因此我們探討同質量替代效應對鑑定失蹤蛋白
由生物學家做最後的定奪。其中翁教授最大的貢獻 質的影響。第三，由於為要能偵測失蹤蛋白質，必
就是提出，「只需要安排這些基塊反應數值 (RRV) 的 須確認該蛋白質有獨一的水解胜肽，因此我們開發
適當差距就可以讓合成反應有效地一鍋完成」，解 名為 iHPDM 的網站服務，其後端包含一個龐大的由
決了以往依賴嘗試與錯誤來處理保護基及多重反應 15 種蛋白酶剪切的所有胜肽資料庫，以便研究者選
的實驗困境。然而，one pot 有兩大限制 : (1) 目前的 擇合適的蛋白酶進行尋找失蹤蛋白質的質譜實驗。
library 約有 150 個基塊，僅能合成單調的寡醣 ; (2) 此外，我們也協助中研院團隊分析質譜實驗的資料，
由於 RRV 差距的限制，one pot 能夠合成的寡醣最多 以確保所鑑定的失蹤蛋白質符合人類蛋白體計畫的
不超過 10 個單醣。為了祛除 (1) 的限制，我們首先 資料分析準則。
提出「虛擬單醣基塊」的概念，用程式產生五萬多
個虛擬單醣基塊。並利用機器學習預測每個基塊的 蛋白基因體的生物資訊：蛋白質編碼區的變異，如：
RRV 數值 ( 準確度在 97% 以上 )，使得學者能事先評 單胺基酸變異、序列插入或刪除、剪接點，可能和
估需要產生何種基塊，大量增加可合成醣的種類。 癌症相關；例如：在台灣肺癌病人可看到表皮生長
對於限制 (2)，我們則提出「組合式多醣基塊」的概 因 子 受 體（ 蛋 白 質 ） 在 基 因 體 層 次 的 L858R 單 胺
念，以程式模擬多層次的 one pot，理論上幾可合成 基酸變異。在蛋白質層次驗證蛋白質編碼區變異，
任何形狀及大小的多醣體。這個新智能化方法將可 也就是從質譜儀實驗資料中鑑定出變異胜肽；此蛋
讓多醣體及醣合成的研究跨入一個新的境界。 白基因體研究，近年來逐漸受到重視。然而，此研
究領域有兩項挑戰；首先，要從質譜儀資料鑑定變
圖一：使用 Auto-CHO 進行 異胜肽，必須先建構客製化的蛋白質序列資料庫，
Globo H 之一鍋化合成。 此資料庫需必須有充足的包含變異胜肽的蛋白質序
列；其次，即使從質譜實驗鑑定出變異胜肽，仍必
蛋白體生物資訊： 蛋白體是重要研究課題，因為蛋 須進行一些檢測來確認的確是變異胜肽，如：檢查
白質執行細胞內的各種功能，也是藥物標的。質譜 這些變異胜肽是否經由已知的胜肽經質量修飾後可
儀目前是研究蛋白體最重要的實驗技術，分析質譜 得。我們針對第一個挑戰，提出名為 MinProtMaxVP
儀資料最主要的任務，就是要針對生物樣本進行蛋 的演算法，將產生最少數量蛋白質序列包含所有單
白質鑑定（定性）與定量。就此，我們提出計算方法， 胺基酸變異的組合之變異胜肽的計算問題，轉化為
並開發軟體以進行分析。首先，質譜儀資料分析儘 傳統的集合覆蓋問題。未來我們將發展一個軟體系
統來建構上述客製化蛋白質資料庫，此軟體將利用
MinProtMaxVP 演算法及合適的產生 decoy database
的方法。針對第二個挑戰，我們探究同質量替代效
應對變異胜肽鑑定的影響；此外，並提出一個名為
LeTE-fusion 的流程，來評估鑑定出變異胜肽的可能
性，並可以此來評估質譜儀資料鑑定出的變異胜肽
是否可能。未來我們將繼續發展方法，以嚴謹地確
認質譜儀資料所鑑定變異胜肽。希望我們的成果能
有助於癌症的蛋白基因體研究。
109
