蛋白質(zhì)鑒定中串聯(lián)質(zhì)譜數(shù)據(jù)預處理的算法研究.pdf

1、當前蛋白質(zhì)鑒定的研究中，通過串聯(lián)質(zhì)譜鑒定多肽序列從而鑒定蛋白質(zhì)是最廣泛使用的技術(shù)。實驗中，從色譜中分離出來的多肽經(jīng)過CID過程被裂解成碎片離子，這些離子的質(zhì)量/電荷比值(m/z)被質(zhì)譜儀器檢測到，形成串聯(lián)質(zhì)譜。采用數(shù)據(jù)庫搜索方法或者De novo從頭解序方法，可從這些碎片離子的m/z值中鑒定出多肽的序列來。 然而，不管采用什么計算方法進行多肽序列的鑒定，高分辨率串聯(lián)質(zhì)譜數(shù)據(jù)的特點決定了其在計算上的困難。質(zhì)譜中大量的物理噪聲和

2、離子的同位素峰，增加了多肽序列鑒定過程的計算量，而且使得隨機匹配的可能性增高，從而導致鑒定的結(jié)果可靠性降低。此外，質(zhì)譜中數(shù)據(jù)中的質(zhì)量測量誤差直接影響多肽鑒定結(jié)果。因此，在進行多肽序列鑒定之前，對質(zhì)譜數(shù)據(jù)進行預處理非常關(guān)鍵。 本文從理論、算法和應用三個層次來討論對串聯(lián)質(zhì)譜數(shù)據(jù)的預處理技術(shù)，實現(xiàn)對質(zhì)譜數(shù)據(jù)的多種預處理，包括過濾質(zhì)譜中的物理噪聲、過濾同位素峰、預測離子對應的分子式、識別質(zhì)譜的測量誤差等。通過這些預處理，最終降低序列

3、鑒定過程的計算量、提高單個質(zhì)譜的鑒定可靠性、以及提高能能鑒定出多肽的質(zhì)譜個數(shù)，從而提高蛋白質(zhì)鑒定的可靠性。 本文首先提出一個關(guān)鍵的同位素模式概念，可以定量地刻畫離子的一系列同位素在質(zhì)量、豐度上的特征；并給出了計算離子的理論和實驗同位素模式的公式，在此基礎上可進行多種討論，比如區(qū)分質(zhì)譜中離子和噪聲對應的譜峰、預測離子的分子式、估計質(zhì)譜質(zhì)量測量誤差等。 基于同位素模式概念，本文提出了從質(zhì)譜中挑選潛在的離子單同位素峰的

4、算法PeakSelect。本文從理論上討論了噪聲和離子譜峰的本質(zhì)區(qū)別以及質(zhì)譜中離子同位素峰重疊的分布情況，并討論了噪聲譜峰在強度上的分布。在此基礎上，本文提出多個有效的特征來區(qū)別噪聲、孤立的離子譜峰、重疊的離子譜峰，并建立譜峰分類的決策樹，從質(zhì)譜中挑選潛在的離子的單同位素峰。實驗結(jié)果表明PeakSelect能準確地挑選質(zhì)譜中的離子單同位素譜峰，不僅能夠大大縮短鑒定軟件在多肽序列鑒定上所需的計算時間，并且能大大增加可靠鑒定出的多肽的個數(shù)，

5、提高了質(zhì)譜的利用率，也提高了所鑒定的蛋白質(zhì)序列的覆蓋率，從而提高了鑒定結(jié)果的可靠性。此外，本算法性能較之現(xiàn)有的商用軟件，比如ProteinLynx<'TM>Global Server對質(zhì)譜有效峰選取的預處理效果更好。 在估計質(zhì)譜質(zhì)量誤差之前，本文先提出了預測離子分子式的算法FFP。FFP通過比較分子式對應的理論同位素模式與質(zhì)譜中實際出現(xiàn)的實驗同位素模式間的差異來預測離子的分子式，并將分子式預測問題轉(zhuǎn)化為優(yōu)化問題。結(jié)合優(yōu)化建模

6、和統(tǒng)計分析，F(xiàn)FP對小質(zhì)量段內(nèi)的離子分子式預測的五選正確率達95％以上。在此基礎上，本文提出了估計質(zhì)譜質(zhì)量測量誤差的算法QPMass，并將QMass應用到Q-TOF數(shù)據(jù)上。 質(zhì)譜的質(zhì)量測量誤差包含兩個部分，一是隨機誤差，二是系統(tǒng)誤差。隨機誤差服從正態(tài)分布，而根據(jù)儀器的測量原理，可以得到系統(tǒng)誤差的理論分布函數(shù)，比如，TOF儀器的測量誤差與離子理論質(zhì)量近似成線性關(guān)系。對一個具體的質(zhì)譜分析其測量誤差就是要得到這個系統(tǒng)誤差的分布函數(shù)

7、的具體參數(shù)。QMass借助FFP的預測結(jié)果可得到一些準確的測量誤差樣本點。并且，QMass還通過計算質(zhì)譜中各種潛在的連續(xù)或同源離子譜峰間的質(zhì)量差的理論值與實驗值之間的差異而得到相應的測量誤差樣本點。在這些樣本點數(shù)據(jù)上QMass通過估計誤差分布函數(shù)的參數(shù)從而得到整個質(zhì)譜的質(zhì)量測量誤差估計。實驗結(jié)果表明，95％以上的質(zhì)譜誤差估計值與實際的誤差值相差不超過40ppm。據(jù)我們所知，Qmass是第一個不依賴于內(nèi)標或外標參考，也不依賴數(shù)據(jù)庫搜索結(jié)果