蛋白質組質譜平臺實驗數(shù)據(jù)仿真生成研究.pdf

1、質譜技術已經(jīng)成為蛋白質組學研究的高通量分析手段和核心工具。目前，用于質譜數(shù)據(jù)處理和分析的軟件工具不斷涌現(xiàn)，這些工具的應用使得基于質譜的蛋白質組學研究取得了可喜的成果。
　　為了能夠開發(fā)出有效而又穩(wěn)健的算法和工具，需要獲得標準數(shù)據(jù)集以便比較和驗證軟件工具的性能，但這并不是一件容易的事情。在研究中發(fā)現(xiàn)，經(jīng)過仔細編輯注釋的測試數(shù)據(jù)集并不多見，公開的標準數(shù)據(jù)集也很少。甚至為了檢驗算法和工具的穩(wěn)健性，數(shù)據(jù)集中還需要包含不同水平的噪聲數(shù)據(jù)?；?/p>

2、于這樣的應用需求和研究定位，本文提出了一套質譜實驗數(shù)據(jù)仿真的方法。仿真質譜數(shù)據(jù)的階段性目的并不是構建一個細致的質譜數(shù)據(jù)生成的物理模型，而是追求仿真數(shù)據(jù)能夠比較合理地與實驗數(shù)據(jù)的特征相似。質譜數(shù)據(jù)仿真以蛋白質序列為輸入數(shù)據(jù)，仿真生成的內容主要有消化后得到的酶切肽段、肽段的保留時間、同位素峰的分布、電荷狀態(tài)、色譜流出曲線、肽段離子質荷比信息、碎裂離子質荷比信息、背景噪聲以及肽段的可檢測性等。
　　本文工作的目標是探索實現(xiàn)一個仿真原型系

3、統(tǒng)，本文主要包括以下幾個方面的內容：
　　(1)基于馬爾科夫鏈的蛋白質酶切概率計算。本文提出基于馬爾科夫鏈的蛋白質酶切概率計算模型，根據(jù)候選酶切位點附近的氨基酸序列組成信息，計算候選位點的酶切概率。利用不同的數(shù)據(jù)集對模型進行了測試，結果表明，模型具有良好的預測效果和穩(wěn)定性。
　　(2)肽段色譜保留時間預測和色譜峰形仿真。對肽段色譜過程的仿真主要包括兩個部分，即肽段保留時間的預測和色譜峰形的仿真。肽段保留時間的預測使用基于氨基

4、酸保留系數(shù)的模型，同時考慮了肽段 N端氨基酸和長度對肽段疏水性等因素的影響；肽段色譜峰形的仿真使用基于指數(shù)修正高斯函數(shù)模型，并且考慮色譜峰形的不對稱性。模型測試表明，肽段保留時間的預測值與實驗數(shù)據(jù)的相關系數(shù)為0.94，色譜峰形的擬合曲線與實驗觀測數(shù)據(jù)的相關系數(shù)為0.98。這表明，肽段色譜過程的仿真與實驗數(shù)據(jù)具有相當?shù)南嗨菩浴?br>　　(3)電噴霧電離過程中肽段的電荷狀態(tài)預測。本文根據(jù)肽段的氨基酸組成，使用線性回歸和多正態(tài)分布相結合的預

5、測模型，預測肽段的電荷狀態(tài)。選擇了兩個不同的數(shù)據(jù)集，采用5倍交叉驗證來測試模型的性能。結果表明，模型的預測精度達到96.89％，表現(xiàn)出良好的預測能力。在不同的數(shù)據(jù)集間進行相互預測肽段的電荷狀態(tài)時，預測精度略有下降，但仍然達到88%以上，對于應用來說能夠滿足電荷狀態(tài)預測的要求。
　　(4)基于Logistic回歸的肽段可檢測性預測。本文提出了基于Logistic回歸的肽段可檢測性預測模型，選擇了6個影響肽段可檢測性的屬性作為參數(shù)，使

6、用了不同的數(shù)據(jù)集和嵌套交叉驗證方法對模型性能進行測試。測試結果表明，模型的平均ROC曲線下面積為0.9466，預測精度達到0.87。另外，同其他一些文獻報道的肽段可檢測性方法進行了比較，結果表明，模型性能優(yōu)于多數(shù)預測方法。
　　(5)蛋白質組學質譜實驗數(shù)據(jù)的仿真生成。在上述局部模型的基礎上，仿真生成了與實驗數(shù)據(jù)特征相似的仿真數(shù)據(jù)。質譜實驗數(shù)據(jù)的仿真，主要包括仿真生成胰蛋白酶消化得到的肽段混合列表、預測肽段保留時間和仿真色譜峰流出曲

7、線、仿真計算肽段離子同位素峰的分布、電荷狀態(tài)、肽段離子質荷比信息、串聯(lián)質譜碎裂離子質荷比和相應強度信息、背景噪聲以及肽段的可檢測性等。選擇了4個不同來源的數(shù)據(jù)集，對仿真數(shù)據(jù)與實驗數(shù)據(jù)進行相似性分析，通過對酶切肽段及可檢測性、肽段保留時間和色譜峰形、肽段電荷狀態(tài)、肽段同位素峰分布、串聯(lián)質譜碎片離子信息和圖譜噪聲數(shù)據(jù)的相似性比較或覆蓋率計算。結果表明，本文中的仿真數(shù)據(jù)能夠較好地反映實驗數(shù)據(jù)的特征，仿真數(shù)據(jù)能夠合理地近似實驗數(shù)據(jù)。使用仿真數(shù)據(jù)