LRP2：一种用于长读长蛋白基因组学的模块化端到端分析流程

《Bioinformatics》：LRP2: A proteogenomics pipeline for long-read informed protein isoform analysis and discovery

　　

摘要

概述

大多数人类基因能产生多种RNA亚型，但目前尚不清楚哪些亚型会被翻译为稳定的功能性蛋白质。长读长RNA测序能够解析全长转录本结构，并与质谱联用时，可提供亚型翻译的实验证据。尽管存在这一机会，但整合亚型发现、开放阅读框预测、肽段鉴定和蛋白质推断的综合工作流程仍然有限，用户往往需要分步处理这些环节。在此，我们提出了LRP2，一个基于Nextflow构建的模块化、端到端长读长蛋白基因组学流程。LRP2利用PacBio最新的Isocall工具将转录本发现扩展到数百个样本，通过SQANTI质控去除技术伪影，通过CPAT和SQANTI Protein生成并分类预测蛋白质组，通过edgeR、DRIMSeq以及LeafCutter的长读长适配版执行多组差异表达和使用率分析，并通过FragPipe整合DDA和DIA质谱数据中的蛋白质水平证据。对于跨数据集的新颖亚型比较，LRP2采用确定性的剪接位点、基于坐标的亚型标识符。作为一体化流程使用时，LRP2能够检测新颖肽段并改进蛋白质亚型推断，以确认蛋白质亚型的翻译。

可用性与实现

LRP2作为一个模块化Nextflow流程免费开放，地址为 https://github.com/sheynkman-lab/LRP2（v2.0.0，归档于 https://doi.org/10.5281/zenodo.22795865）。LRP2支持Docker、Apptainer/Singularity和Conda环境，并使用GENCODE参考基因组。

补充信息

补充数据可在 Bioinformatics 在线获取。