MOWSE Score ¼ 10:log10ðPÞ ð3ÞFor ex

MOWSE Score ¼ 10:log10ðPÞ ð3Þ
For example, using Eq. (3), protein identification with a probability of 1010, that it is a misidentification will have a MOWSE score of 100. The probability is calculated based on the number of peptide matches identified for a particular protein match, compared to the sequence database using an algorithm detailed by Pappin et al. (1993). To determine whether a particular MOWSE score is significant, a cut-off value is defined based on the assumption that a random event is acceptable if it occurs less than 5% of the time. To calculate the cut-off MOWSE score, the probability of a random event needs to be calculated across the whole of the protein database that is searched for matches. At the time the LC–MS/MS results were submitted the NCBI protein reference database contained 11,961,441 sequences. A 5% probability of a random identification is equivalent to 1 in 20 mismatches, so the MOWSE cut-off score will be:
1
MOWSE cut-off ¼ 10:log10 ¼ 83:7 ð4Þ 20 11961441
Therefore any protein match with a MOWSE score of 84 or greater will have less than a 5% chance of being an incorrect identification. The first 111 hits were considered to have been successfully identified, since they all displayed a MOWSE score of 85 or greater and, therefore, can be considered to be found in date palm (P. dactylifera L.) seed. However, on closer inspection, not all of these have been identified as a particular protein, with some being labelled as unknown proteins, and some hypothetical (identified from gene sequences) but which are nonetheless in the NCBI database. Other proteins failed the second criterion that more than one peptide is used in the identification. Once these proteins had been removed, along with contaminants, 90 unique proteins were identified. These 90 most abundant proteins were classified into twelve different groups according to their functions, using the categories described by Bevan et al. (1998). The different functional group classifications and percentages found in the DSPC are show in Table 1.
Three of the groups (groups 3, 8 and 9) have no representative proteins identified amongst the 90 proteins. Several of the proteins identified have previously been reported before and have known functions. A table listing all 90 identified proteins is available as Supplementary material.
The 20 most abundant proteins are listed in Table 2. Data listed in Table 2 include the hit number (HN), protein description, molecular weight search score (MOWSE score), protein molecular weight (MW) and number of peptide matches, compared to total number of peptides produced. The hit number is a rough indicator of protein abundance in the sample, with a higher hit number indicating a more abundant protein. A discussion of the function of the 20 most abundant proteins follows according to the functional category they belong to.
Functional category 1: Lipoxygenase was identified in this category, with a hit number of 4. Lipoxygenase is an iron-containing enzyme that catalyses the formation of hydroperoxides in fatty acids that contain a pentadiene segment (Andreou & Feussner, 2009). Functional properties of lipoxygenase in foods have not been reported. However, it is known that lipoxygenase catalysed formation of peroxide free radicals can promote the crosslinking of soy proteins, reducing solubility and adversely affecting functional properties, such as gelling ability (Kong, Li, Wang, Hua, & Huang, 2008). A second protein from this category, b-amylase, was identified with a hit number of 10. This enzyme is found in plant seeds that have starch as the primary storage polysaccharide. In plant seeds, it functions to break down starch into maltose when carbohydrate is required for glycolysis during plant growth (Smith, Zeeman, & Smith, 2005). There are no reports of its functional properties in food, other than as an enzyme, although its ability to form foams is evidenced by the use of foam fractionation in its separation (Nakabayashi, Takakusagi, Iwabata, & Sakaguchi, 2011).
Functional category 2: Proteins in this category are involved with energy metabolism in the cell, and the high abundance of these proteins reflects the high energy requirements required in a germinating and growing embryo plant.
Ribulose-1,5-bisphosphate carboxylase (RuBisCo) (hit No. 8) is one of the most abundant proteins on Earth being found in all green plants The biological function of RuBisCO is to catalyse two reactions: the carboxylation of D-ribulose 1,5-bisphosphate, the

ผลลัพธ์ (ไทย) 1:

Ð3Þ ¼ 10:log10ðPÞ MOWSE คะแนนเช่น ใช้ Eq. (3), โปรตีนรหัส 1010 ว่า มันเป็นการยืนยันที่น่าจะได้ 100 คะแนน MOWSE น่าจะมีคำนวณตามหมายเลขที่ระบุสำหรับการแข่งขันโดยเฉพาะอย่างยิ่งโปรตีน เมื่อเทียบกับฐานข้อมูลลำดับใช้อัลกอริทึมโดย Pappin et al. (1993) มีรายละเอียดตรงเปปไทด์ การตรวจสอบ ว่าคะแนน MOWSE เฉพาะสำคัญ มีกำหนดค่าตัดตามสันนิษฐานว่าเหตุการณ์สุ่มยอมรับได้หากมันเกิดขึ้นน้อยกว่า 5% ของเวลา การคำนวณคะแนนตัด MOWSE ความน่าเป็นของเหตุการณ์สุ่มต้องคำนวณทั้งหมดของฐานข้อมูลของโปรตีนที่ค้นหาตรงกันข้าม เวลา ผล LC – MS/MS ได้ส่งฐานข้อมูล NCBI โปรตีนอ้างอิงอยู่ลำดับ 11,961,441 การระบุแบบสุ่มน่า 5% จะเท่ากับ 1 ใน 20 ไม่ตรงกัน ดังนั้น MOWSE ตัดคะแนนจะ:1MOWSE ตัด¼ 10:log10 ¼ 83:7 ð4Þ 20 11961441ดังนั้น ใด ๆ ตรงกับโปรตีน ด้วยคะแนน MOWSE 84 หรือมากกว่าจะมีจำนวนน้อยกว่ามีโอกาส 5% ที่ รหัสไม่ถูกต้อง พิจารณาว่าฮิตแรก 111 ได้ระบุเรียบร้อยแล้ว เนื่องจากพวกเขาทั้งหมดแสดง เป็น MOWSE คะแนน 85 หรือมากกว่า และ จึง จะถือว่าพบได้ในเมล็ดอินทผลัม (P. dactylifera L.) อย่างไรก็ตาม ในการตรวจสอบใกล้ชิด ไม่ทั้งหมดนี้มีการระบุเป็นโปรตีนเฉพาะ มีการระบุว่าเป็นโปรตีนที่ไม่รู้จัก และบางสมมุติ (ระบุจากลำดับยีน) แต่ที่เป็นอย่างไรก็ตามในฐานข้อมูล NCBI โปรตีนตัวอื่น ๆ ล้มเงื่อนไขที่สองว่า เปปไทด์มากกว่าหนึ่งใช้ในการระบุ เมื่อโปรตีนเหล่านี้จะถูกเอาออก สารปนเปื้อน พร้อมกับระบุโปรตีนเฉพาะ 90 โปรตีนเหล่านี้อุดมสมบูรณ์มากที่สุด 90 ถูกแบ่งออกเป็น 12 กลุ่มต่าง ๆ ตามหน้าที่ของตน โดยใช้ประเภทที่อธิบายไว้โดย Bevan et al. (1998) จัดประเภทกลุ่มงานอื่นและเปอร์เซ็นต์ที่พบใน DSPC จะแสดงในตารางที่ 13 กลุ่ม (กลุ่ม 3, 8 และ 9) มีโปรตีนไม่มีตัวแทนที่ระบุในหมู่โปรตีน 90 หลายของโปรตีนที่พบมีการรายงานก่อนหน้านี้ก่อน และได้รู้จักฟังก์ชัน ตารางแสดงรายการทั้งหมด 90 ระบุโปรตีนสามารถใช้เป็นวัสดุเสริมได้โปรตีนสุด 20 ระบุไว้ในตารางที่ 2 ข้อมูลที่แสดงในตารางที่ 2 รวมฮิตหมายเลข (HN), คำอธิบายโปรตีน คะแนนค้นหาน้ำหนักโมเลกุล (MOWSE คะแนน), โปรตีนน้ำหนักโมเลกุล (MW) และหมายเลขตรงกันเปปไทด์ เมื่อเทียบกับจำนวนรวมของเปปไทด์ที่ผลิต หมายเลขตีเป็นตัวบ่งชี้ที่หยาบของความอุดมสมบูรณ์ของโปรตีนในตัวอย่าง มีตัวเลขตีสูงที่แสดงโปรตีนมาก การสนทนาของการทำงานของโปรตีนสุด 20 ตามตามประเภทงานที่พวกเขาอยู่ประเภททำงาน 1: Lipoxygenase พบในหมวดหมู่นี้ มีจำนวน 4 ชม Lipoxygenase เป็นเอนไซม์ที่ประกอบด้วยเหล็ก catalyses ที่การก่อตัวของกรดไขมันที่ประกอบด้วยเซกเมนต์ pentadiene (Andreou & Feussner, 2009) hydroperoxides สมบัติเชิงหน้าที่ของ lipoxygenase ในอาหารที่ไม่ได้รับการรายงาน อย่างไรก็ตาม เป็นที่รู้จักกันว่า lipoxygenase catalysed ก่อตัวของอนุมูลอิสระเปอร์ออกไซด์สามารถส่งเสริม crosslinking ของโปรตีนถั่วเหลือง ลดการละลาย และส่งผลกระทบต่อสมบัติเชิงหน้าที่ เช่นความสามารถในสารเจลซิ (ฮ่องกง Li วัง หัวหิน และ Huang, 2008) โปรตีนสองจากประเภทนี้ b-อะไมเลส พบกับ 10 ชม เอนไซม์นี้จะพบในเมล็ดพืชที่มีแป้งเป็น polysaccharide เก็บข้อมูลหลัก ในเมล็ดพืช ได้ทำการแบ่งแป้งเป็น maltose เมื่อคาร์โบไฮเดรตจำเป็นสำหรับ glycolysis ในระหว่างการเจริญเติบโตของพืช (Smith, Zeeman, & Smith, 2005) ไม่มีรายงานของการทำงานคุณสมบัติในอาหาร อื่น ๆ กว่าเป็นเอนไซม์ แม้ว่าหลักฐานความสามารถในการแบบฟอร์มโฟม โดยการใช้โฟมแยกในการแยก (Nakabayashi, Takakusagi, Iwabata และมิยา โกะ 2011)ประเภทงาน 2: โปรตีนในประเภทนี้จะเกี่ยวข้องกับการเผาผลาญพลังงานในเซลล์ และความอุดมสมบูรณ์สูงของโปรตีนเหล่านี้สะท้อนถึงความต้องการพลังงานสูงจำเป็นงอกและเจริญเติบโตพืชตัวอ่อนRibulose-1.5-bisphosphate carboxylase (RuBisCo) (ตีหมายเลข 8) เป็นหนึ่งในโปรตีนสุดในโลกถูกพบในพืชสีเขียวทั้งหมดหน้าที่ทางชีวภาพของ RuBisCO จะกระตุ้นปฏิกิริยาสอง: carboxylation ของ D ribulose 1.5-bisphosphate การ

ผลลัพธ์ (ไทย) 2:

MOWSE คะแนน¼ 10: log10ðPÞð3Þ
ตัวอย่างเช่นการใช้สมการ (3) บัตรประจำตัวของโปรตีนที่มีความน่าจะเป็น 1010 ว่าจะเป็นการระบุจะมีคะแนน MOWSE 100 น่าจะคำนวณจากจำนวนของการแข่งขันเปปไทด์ที่ระบุไว้สำหรับการแข่งขันโปรตีนโดยเฉพาะอย่างยิ่งเมื่อเทียบกับฐานข้อมูลลำดับโดยใช้ ขั้นตอนวิธีการรายละเอียดโดย Pappin et al, (1993) เพื่อตรวจสอบว่าคะแนน MOWSE โดยเฉพาะอย่างยิ่งมีความสำคัญค่าตัดถูกกำหนดให้อยู่บนสมมติฐานที่ว่าเหตุการณ์สุ่มเป็นที่ยอมรับถ้ามันเกิดขึ้นน้อยกว่า 5% ของเวลา การคำนวณคะแนน MOWSE ตัดน่าจะเป็นของเหตุการณ์สุ่มจะต้องมีการคำนวณทั่วทั้งฐานข้อมูลโปรตีนที่มีการสืบค้นสำหรับการแข่งขัน ในขณะที่ผล LC-MS / MS ถูกส่งฐานข้อมูล NCBI อ้างอิงโปรตีนที่มีอยู่ 11,961,441 ลำดับ ความน่าจะเป็น 5% ของบัตรประจำตัวแบบสุ่มเทียบเท่ากับ 1 ใน 20 ที่ไม่ตรงกันดังนั้น MOWSE ตัดคะแนนจะได้รับ:
1
MOWSE ตัด¼ 10: log10 ¼ 83: 7 ð4Þ 20 11961441
ดังนั้นการแข่งขันโปรตีนใด ๆ กับคะแนน MOWSE 84 หรือมากกว่าจะมีน้อยกว่า 5% โอกาสของการเป็นบัตรประจำตัวที่ไม่ถูกต้อง ฮิต 111 คนแรกที่ได้รับการพิจารณาจะได้รับการระบุประสบความสำเร็จเนื่องจากพวกเขาทั้งหมดที่แสดงคะแนน MOWSE 85 หรือสูงกว่าและจึงได้รับการพิจารณาจะพบว่าในวันที่ปาล์ม ( P. dactylifera L. ) เมล็ด อย่างไรก็ตามในการตรวจสอบอย่างใกล้ชิดไม่ทั้งหมดของเหล่านี้ได้รับการระบุว่าเป็นโปรตีนโดยเฉพาะอย่างยิ่งกับบางส่วนที่ถูกระบุว่าเป็นโปรตีนที่ไม่รู้จักและบางสมมุติ (ระบุจากลำดับยีน) แต่ที่ยังคงอยู่ในฐานข้อมูล NCBI โปรตีนชนิดอื่น ๆ ล้มเหลวในเกณฑ์ที่สองที่มากกว่าหนึ่งเปปไทด์ที่ใช้ในการระบุ เมื่อโปรตีนเหล่านี้ได้ถูกลบออกไปพร้อมกับการปนเปื้อน 90 โปรตีนที่ไม่ซ้ำกันที่ถูกระบุ เหล่านี้ 90 โปรตีนที่มีมากที่สุดถูกจัดเป็นสองกลุ่มแตกต่างกันตามหน้าที่ของตนโดยใช้หมวดหมู่อธิบายโดย Bevan et al, (1998) การจำแนกประเภทแตกต่างกันการทำงานกลุ่มและร้อยละที่พบใน DSPC มีการแสดงในตารางที่ 1
สามของกลุ่ม (กลุ่ม 3, 8 และ 9) ไม่มีโปรตีนตัวแทนระบุหมู่ที่ 90 โปรตีน หลายของโปรตีนที่ระบุได้รับการรายงานก่อนหน้านี้ก่อนและได้รู้จักกับฟังก์ชั่น ตารางที่ 90 โปรตีนที่ระบุทั้งหมดที่มีอยู่เป็นวัสดุเสริม.
20 โปรตีนที่มีมากที่สุดมีการระบุไว้ในตารางที่ 2 ข้อมูลที่ระบุไว้ในตารางที่ 2 ได้แก่ หมายเลขตี (HN), คำอธิบายโปรตีนคะแนนค้นหาน้ำหนักโมเลกุล (คะแนน MOWSE) โปรตีน น้ำหนักโมเลกุล (MW) และจำนวนของการแข่งขันเปปไทด์เมื่อเทียบกับจำนวนรวมของเปปไทด์ที่ผลิต จำนวนการตีเป็นตัวบ่งชี้ความอุดมสมบูรณ์หยาบของโปรตีนในกลุ่มตัวอย่างที่มีจำนวนสูงขึ้นแสดงให้เห็นตีโปรตีนที่อุดมสมบูรณ์มากขึ้น การอภิปรายของการทำงานของ 20 โปรตีนที่มีมากที่สุดดังต่อไปนี้ตามหมวดหมู่การทำงานพวกเขาอยู่.
การทำงานประเภทที่ 1: lipoxygenase ถูกระบุในหมวดหมู่นี้มีจำนวนตีของ 4. lipoxygenase เป็นเอนไซม์ที่มีธาตุเหล็กที่เร่งการก่อตัว ของ hydroperoxides กรดไขมันที่มีส่วน pentadiene A (Andreou & Feussner 2009) คุณสมบัติการทำงานของ lipoxygenase ในอาหารยังไม่ได้รับรายงาน แต่ก็เป็นที่รู้กันว่า lipoxygenase ตัวเร่งปฏิกิริยาการก่อตัวของอนุมูลอิสระเปอร์ออกไซด์สามารถส่งเสริมการเชื่อมขวางของโปรตีนถั่วเหลืองลดการละลายและส่งผลกระทบต่อคุณสมบัติการทำงานเช่นความสามารถในการก่อเจล (ฮ่องกงหลี่วังหัวหินและ Huang, 2008) โปรตีนที่สองจากนี้ประเภท B-อะไมเลสที่ถูกระบุว่ามีจำนวน 10 ตีของเอนไซม์นี้จะพบได้ในเมล็ดพืชที่มีแป้งเป็น polysaccharide จัดเก็บข้อมูลหลัก ในเมล็ดพืชมันจะทำหน้าที่ที่จะทำลายลงแป้งเป็นมอลโตสเมื่อคาร์โบไฮเดรตเป็นสิ่งจำเป็นสำหรับ glycolysis ในระหว่างการเจริญเติบโตของพืช (สมิ ธ Zeeman และสมิ ธ , 2005) มีรายงานจากคุณสมบัติการทำงานในอาหารไม่มีอื่น ๆ กว่าเป็นเอนไซม์ที่ถึงแม้ว่าความสามารถในการในรูปแบบโฟมเป็นหลักฐานโดยใช้แยกโฟมในการคัดแยกย่อย (Nakabayashi, Takakusagi, Iwabata และซาคา 2011) ได้.
หมวดหมู่ฟังก์ชั่น 2 : โปรตีนในหมวดหมู่นี้มีส่วนเกี่ยวข้องกับการเผาผลาญพลังงานในเซลล์และความอุดมสมบูรณ์สูงของโปรตีนเหล่านี้สะท้อนให้เห็นถึงความต้องการพลังงานสูงที่จำเป็นในงอกและการเจริญเติบโตของพืชตัวอ่อน.
Ribulose-1,5-bisphosphate คาร์บอกซิ (RuBisCo) (ฉบับที่ตี 8) เป็นหนึ่งในโปรตีนที่อุดมสมบูรณ์ที่สุดในโลกถูกพบในพืชสีเขียวทุกฟังก์ชั่นทางชีวภาพของ RuBisCO คือการกระตุ้นปฏิกิริยา: carboxylation ของ D-ribulose 1,5-bisphosphate ที่