مجموعه داده پروتئومیکس مقایسه ای نمونه های شیر بدون چربی گاوهای شیری هلشتاین و جرسی

قیمت: 43,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

مجموعه داده پروتئومیکس مقایسه ای نمونه های شیر بدون چربی گاوهای شیری هلشتاین و جرسی

عنوان لاتین

Comparative proteomics dataset of skimmed milk samples from Holstein and Jersey dairy cattle

نمونه های شیر از نژادهای هلشتاین و چرسی گاو شیری جمع آوری شده و تحت اقدامات مدیریتی و شرایط محیطی یکسان در یک دوره ی هفت روزه نگهداری شدند. نمونه های شیر دو مرتبه در روز از شش گاو از هر نژاد همانطور که قبلا شرح داده شده است (Tacoma et al., 2016) جمع آوری شدند (1). نمونه های یک گاو در طول دوره ی آزمایش ترکیب شده و لایه ی چربی آن ها حذف شد. نمونه های شیر چربی گرفته با استفاده از ته نشینی با CaCl2، اولتراسانتریفیوژ، و تیمار با ProteoMiner فرکشن بندی شدند تا پروتئین های با فراوانی بالا شیر حذف شوند. جداسازی پروتئین های با فراوانی کم با استفاده از SDS-PAGE انجام شد. فراوانی افتراقی پروتئین با روش های پروتئومی مبتنی بر طیف سنجی جرمی و سپس آنالیز آماری داده های شمارش پپتید آنالیز شدند. لیست کامل پروتئین های با فراوانی کم شناسایی شده در هر دو نژاد همچنین تعداد کل پپتیدهای متمایز توالی یابی شده و عملکردهای انتولوژی آن ها در مجموعه داده ارائه شدند. فراوانی نسبی تعدادی از پروتئین های انتخاب شده با استفاده از نرم افزار SIEVE نشان داده شده است.

Milk samples were collected from Holstein and Jersey breeds of dairy cattle maintained under the same management practices and environmental conditions over a seven-day period. Milk samples were collected twice daily from six cows of each breed as previously described (Tacoma et al., 2016) [1]. Samples were composited within individual cow over the experimental period and skimmed to remove the fat layer. Skimmed milk samples were fractionated using CaCl2 precipitation, ultracentrifugation and ProteoMiner treatment to remove the high abundance milk proteins. Separation of the low abundance proteins was achieved using SDS-PAGE. Differential protein abundances were analyzed by mass spectrometrybased proteomic approaches followed by statistical analyses of the peptide count data. The complete list of low-abundance proteins identified in both breeds is provided in the dataset as well as the total number of distinct sequenced peptides and gene ontology functions for each protein. The relative abundance of a select few proteins is depicted using the SIEVE software.