基于質(zhì)譜數(shù)據(jù)的糖組學(xué)解析系統(tǒng)和新方法研究.pdf

1、質(zhì)譜（MS）是一種儀器分析技術(shù)，它能夠有效地解析聚糖結(jié)構(gòu)并提供定性和定量的信息。糖組學(xué)是研究生物體內(nèi)糖的分子結(jié)構(gòu)及生物功能的科學(xué)。隨著糖組學(xué)的發(fā)展，大量的聚糖結(jié)構(gòu)通過解析質(zhì)譜實(shí)驗(yàn)數(shù)據(jù)而確定。最近生物信息技術(shù)的發(fā)展提供了一個(gè)利用聚糖結(jié)構(gòu)數(shù)據(jù)庫和從頭算法對(duì)MS或MS/MS數(shù)據(jù)提取有價(jià)值的信息的機(jī)會(huì)。功能糖組學(xué)協(xié)會(huì)（CFG）已經(jīng)提供的基于網(wǎng)絡(luò)的資源，使獲得聚糖質(zhì)譜實(shí)驗(yàn)數(shù)據(jù)和聚糖結(jié)構(gòu)信息變得更加容易。然而，大量由質(zhì)譜獲取的聚糖分析的數(shù)據(jù)需要手動(dòng)

2、注釋。此項(xiàng)工作不但耗時(shí)，而且精確度很低。此外，檢測被埋沒在噪音數(shù)據(jù)中的低強(qiáng)度信號(hào)峰仍然是一個(gè)挑戰(zhàn)。因此，開發(fā)從MS數(shù)據(jù)中準(zhǔn)確預(yù)測和注釋聚糖結(jié)構(gòu)的算法是非常需要的。
　　本研究開發(fā)了一種基于匹配聚糖分子的同位素相對(duì)豐度（mGIA）的方法來預(yù)測和注釋聚糖的單糖組成（糖組成）和單糖間連接方式（糖結(jié)構(gòu)）的算法，它利用質(zhì)譜數(shù)據(jù)中分子同位素的觀測質(zhì)荷比值，豐度特征以及兩者之間的關(guān)系。首先構(gòu)建了一個(gè)完整的聚糖分子的單糖組成庫，其中包含了808個(gè)

3、聚糖的單糖以及聚糖分子相應(yīng)的同位素理論豐度。同時(shí)，利用CFG數(shù)據(jù)庫中得到的樣品數(shù)據(jù)并結(jié)合了一個(gè)有效的數(shù)據(jù)預(yù)處理技術(shù)生成了含有所有候選組成的數(shù)據(jù)集。數(shù)據(jù)預(yù)處理是為了從MS數(shù)據(jù)中精確地提取聚糖同位素觀測峰簇，包括基線消除，平滑去噪，峰質(zhì)心化處理和一個(gè)基于庫的組成匹配方法。有別于大多數(shù)已報(bào)道的方法，不僅考慮到峰的質(zhì)荷比值特征，還引入了相應(yīng)的聚糖分子同位素的理論和觀測豐度向量之間的歐幾里德距離。為了解決不同聚糖分子同位素會(huì)出現(xiàn)重疊的問題，在匹配

4、計(jì)算中增加了對(duì)重疊的區(qū)域的預(yù)測和識(shí)別。如果兩個(gè)匹配到的組成的質(zhì)荷比的差值接近于1至4之間的一個(gè)整數(shù)，并且每個(gè)峰各有一個(gè)相匹配的理論聚糖組成，那么就認(rèn)為這兩個(gè)糖組成的前五個(gè)同位素峰的質(zhì)荷比是一個(gè)潛在的重疊區(qū)域。在每個(gè)樣品數(shù)據(jù)中，發(fā)現(xiàn)了超過20個(gè)潛在的重疊區(qū)域。通過構(gòu)建一個(gè)最優(yōu)化模型對(duì)每個(gè)潛在的重疊區(qū)域內(nèi)的聚糖同位素簇進(jìn)行了去卷積處理從而改善了mGIA算法。
　　為了提高聚糖結(jié)構(gòu)注釋的精確度，提出了一個(gè)線性分類的評(píng)估方法。在分類器獲取

5、過程中，使用支持向量機(jī)（SVM）算法訓(xùn)練了三個(gè)候選聚糖組成數(shù)據(jù)集，它們是源于CFG profiling數(shù)據(jù)庫中的三個(gè)不同的人體組織樣品數(shù)據(jù)。并使用CFG profiling數(shù)據(jù)庫中的小鼠腎臟樣品數(shù)據(jù)對(duì)算法進(jìn)行了驗(yàn)證，結(jié)果顯示比他人的注釋多鑒定出6個(gè)聚糖組成。并且與已報(bào)道的算法相比，顯著改善了對(duì)豐度較弱的離子的檢測。因?yàn)閺腃FG profiling數(shù)據(jù)庫的7個(gè)CHO樣品數(shù)據(jù)獲得的訓(xùn)練數(shù)據(jù)集具有不平衡性，影響了分類器效果。因此嘗試了幾種不同

6、的采樣技術(shù)，如過采樣技術(shù)SMOTE等，分別與支持向量機(jī)（SVMs）算法相結(jié)合對(duì)候選聚糖組成集進(jìn)行訓(xùn)練。結(jié)果顯示通過SMOTE-支持向量機(jī)算法，所有樣品的注釋靈敏度平均增長了26.8％?；谶@個(gè)注釋算法，開發(fā)了一個(gè)名為GlycoMaid的系統(tǒng)來幫助用戶使用聚糖組成自動(dòng)標(biāo)注質(zhì)譜實(shí)驗(yàn)數(shù)據(jù)，并列出注釋的可信度以及所有在CFG數(shù)據(jù)庫中的候選結(jié)構(gòu)鏈接。軟件包和源代碼發(fā)布在http://code.google.com/p/glycomaid/。

7、>　　為了豐富注釋的聚糖組成的候選結(jié)構(gòu)集，通過一系列酶反應(yīng)規(guī)則模擬了在內(nèi)質(zhì)網(wǎng)和高爾基體中的生物合成過程。結(jié)果發(fā)現(xiàn)具有較高質(zhì)荷比值的聚糖組成在生成的結(jié)果中會(huì)出現(xiàn)較多的假陽性結(jié)構(gòu)。還嘗試使用了組織信息對(duì)來自CFG結(jié)構(gòu)數(shù)據(jù)庫的注釋結(jié)果進(jìn)行過濾，遺憾的是現(xiàn)有的生物信息非常有限，使得這種方法目前還不夠理想。
　　在本論文中，自主開發(fā)了mGIA算法來自動(dòng)解析質(zhì)譜數(shù)據(jù)并準(zhǔn)確的注釋聚糖的組成和結(jié)構(gòu)。該算法的優(yōu)勢是分析低豐度峰和處理重疊聚糖同位素峰