串聯(lián)質(zhì)譜數(shù)據(jù)的預(yù)處理方法研究.pdf

1、近年來(lái)，基于串聯(lián)質(zhì)譜技術(shù)的蛋白質(zhì)鑒定，逐漸成為蛋白質(zhì)組學(xué)研究中的關(guān)鍵問(wèn)題，而質(zhì)譜數(shù)據(jù)的預(yù)處理是其中不可忽略的問(wèn)題之一，因?yàn)橘|(zhì)譜中的大量噪聲使得鑒定時(shí)間的增加和精度的下降，而且同位素峰的存在也會(huì)使肽鑒定的準(zhǔn)確性和可靠性受到影響。本文主要針對(duì)低精度的離子阱質(zhì)譜數(shù)據(jù)，研究了串聯(lián)質(zhì)譜數(shù)據(jù)的預(yù)處理問(wèn)題，包括質(zhì)譜中的強(qiáng)度基線水平的確定和同位素質(zhì)峰的識(shí)別問(wèn)題。第二章首先簡(jiǎn)單介紹了質(zhì)譜技術(shù)的基礎(chǔ)，包括質(zhì)譜儀的原理、組成和數(shù)據(jù)處理等，隨后詳細(xì)介紹了基于串

2、聯(lián)質(zhì)譜的蛋白質(zhì)鑒定方法，分析了質(zhì)譜數(shù)據(jù)預(yù)處理的必要性，并總結(jié)了現(xiàn)有預(yù)處理算法不足，比如不能根據(jù)每個(gè)質(zhì)譜的不同特點(diǎn)來(lái)獲得基線。在第三章中，論文提出了一種自適應(yīng)地確定譜峰強(qiáng)度基線的方法。通過(guò)大量觀察發(fā)現(xiàn)，不同質(zhì)譜中譜峰強(qiáng)度的分布范圍是有差別的，但是在形式上低強(qiáng)度的噪音峰都近似服從高斯分布，而離子峰則近似服從伽馬分布。據(jù)此給出了一個(gè)期望最大化即EM學(xué)習(xí)算法和一個(gè)快速近似算法自適應(yīng)地估計(jì)每個(gè)質(zhì)譜中噪音峰強(qiáng)度的分布參數(shù)，從而確定噪音基線水平。實(shí)驗(yàn)

3、結(jié)果表明，與固定基線方法相比，自適應(yīng)基線方法能夠在相同數(shù)據(jù)縮減率下提高肽鑒定的準(zhǔn)確度。在高精度質(zhì)譜儀產(chǎn)生的質(zhì)譜數(shù)據(jù)中，同位素譜峰非常明顯，相對(duì)容易識(shí)別。而在低精度的離子阱質(zhì)譜中，同位素峰則非常不明顯甚至缺失，因此尚缺少有效的識(shí)別方法。本研究發(fā)現(xiàn)，離子阱數(shù)據(jù)中的同位素峰實(shí)際上仍有規(guī)律可循。論文第四章首先給出了第一同位素與單同位素峰在質(zhì)量和強(qiáng)度方面的多種約束關(guān)系，并據(jù)此構(gòu)造出譜峰的特征向量表示，然后提出利用機(jī)器學(xué)習(xí)中的決策樹(shù)方法對(duì)譜峰的類別