导读
背景：宏蛋白质组学数据分析面临着数据库庞大、计算配置要求高、蛋白精确注释难、参考基因组深度不足、数据可视化待优化等挑战。方法：基于MetaProteomeAnalyzer (MPA)和Prophane搭建一条龙分析流程，包括4个部分：蛋白序列数据库构建、多肽鉴定以及蛋白的推断和分组、蛋白注释（分类学/功能）和定量、结果可视化。
文献1：The MetaProteomeAnalyzer: a powerful open-source software suite for metaproteomics data analysis and interpretation. J Proteome Res. 2015
文献2：Challenges and perspectives of metaproteomic data analysis. J Biotechnol 2017
文献3：A complete and flexible workflow for metaproteomics data analysis based on MetaProteomeAnalyzer and Prophane. Nature Protocol 2020
官网（下载、教程）：http://www.mpa.ovgu.de/
GitHub地址：https://github.com/compomics/meta-proteome-analyzer
MPA workflow
NP2020摘要
1 概念：
研究生物群蛋白质组成，加深对微生物群生物多样性和微生物与宿主/环境复杂功能互作的认识。
2 分析背景：
与纯培养蛋白质组研究相比，宏蛋白质组样品更复杂、参考数据库更加庞大，需要专业的分析方法。
3 分析方法：
两个开源解决方法：MetaProteomeAnalyzer和Prophane。可用数据库：NCBI, UniProt, EggNOG, PFAM, CAZy等。步骤：数据库创建，数据库检索，蛋白分组和注释，可视化。MPA是目前综合性最强、最详细、最灵活的蛋白质组分析方法。
